La nature des modèles

1 Les modèles de simulation sont le principal outil de planification de l’éducation en Afrique subsaharienne. Ce ne sont ni des modèles économétriques, ni des modèles prévisionnels, ni même des modèles conçus pour expliquer l’ensemble des phénomènes qui constitue un système éducatif. Ils ne sont l’expression d’aucune théorie.

2 Ils relient sur des feuilles de calcul informatiques les différentes grandeurs du système éducatif (effectifs d’élèves, de personnel, classes, etc.) sur une période de dix à vingt ans, afin de déterminer l’évolution des besoins, humains, matériels et financiers du système éducatif, en fonction d’objectifs de politique éducative (taux de scolarisation, taux d’encadrement, dotations d’équipement, etc.), de paramètres à la discrétion du planificateur (charges horaires, taux d’admission, etc.) et d’hypothèses relatives à des variables sur lesquelles ce dernier n’a pas prise (croissance démographique, taux de déperdition du personnel, etc.). Ils permettent, par ajustements progressifs des objectifs et des paramètres, de respecter une contrainte budgétaire imposée par la croissance économique et les Finances publiques.

3 Les grandeurs intégrées dans ces modèles peuvent être nombreuses, mais leurs relations sont élémentaires : elles ne mobilisent guère plus que les quatre opérations arithmétiques fondamentales. Ce sont des outils plus proches de la comptabilité que de l’analyse économique.

4 Prenons l’exemple des flux d’élèves ; c’est le meilleur exemple que l’on puisse prendre puisque c’est le caractère diachronique de ces flux qui fonde la dynamique des projections. Dans la plupart des modèles [1], ils sont calculés ainsi : les effectifs de la première année d’un cycle d’études sont égaux au nombre de nouveaux entrants dans ce cycle – dans le cas du primaire, ce nombre est le produit du taux d’admission (objectif) par la population d’âge d’entrée au primaire (hypothèse) – augmenté du nombre de redoublants – produit du taux de redoublement (hypothèse ou objectif) par l’effectif de l’année scolaire précédente ; les effectifs de chacune des autres années du cycle d’études sont déterminés par les taux de promotion et de redoublement appliqués aux effectifs de l’année scolaire précédente qu’ils concernent [2]. Les flux d’élèves déterminent ensuite ceux des classes, des enseignants, etc. Il ne s’agit donc pas d’effectuer la meilleure prévision, mais de calculer les besoins qu’impliquent les objectifs de politique éducative. Des hypothèses d’évolution du PIB et, conséquemment, des recettes nationales disponibles pour l’éducation – hypothèses qui, elles, peuvent être tirées de prévisions, mais exogènes au modèle –, on détermine un gap de financement que les financements extérieurs (dons ou prêts) devront combler ; si le gap est jugé trop important, on réduit les objectifs.

L’origine des modèles

5 L’utilisation de modèles de simulation a commencé en Afrique subsaharienne vers le milieu des années 1980, peu après l’arrivée des tableurs qui les ont suscités. Elle s’est généralisée au cours des années 2000 avec les Resen [3] dont elle constitue la dernière étape. Le modèle type Resen de la Banque mondiale (modèle EFSM) est le plus répandu du fait de la prépondérance de cette institution dans le financement du développement des systèmes éducatifs africains, mais il en existe d’autres, réalisés par diverses agences, notamment l’Unesco (modèle EPSSim [4]), ou par les pays eux-mêmes, souvent avec l’aide de consultants.

6 L’arrivée des tableurs a coïncidé avec la substitution progressive de l’approche-programme à l’approche-projet ; le modèle de simulation était l’outil tout indiqué pour appliquer l’approche-programme. Parallèlement, la conception des Resen a marqué une volonté de la Banque mondiale d’accorder une priorité à l’analyse économique et au cadrage financier ; auparavant, notamment dans les rapports d’évaluation de projets (appraisal reports), la contrainte budgétaire était mal prise en compte et les arbitrages, négligés. Le modèle de simulation, dernière étape d’un Resen, était, là aussi, l’outil tout indiqué pour y remédier.

7 Les modèles de simulation sont désormais systématiquement utilisés pour établir les plans de développement des systèmes éducatifs africains ; qu’il s’agisse de plans décennaux, quinquennaux, ou triennaux glissants (CDMT).

8 Ils sont d’autant plus importants que l’est la planification dont ils sont l’outil. Or, c’est en Afrique subsaharienne que les enjeux et les marges de manœuvre de la planification de l’éducation sont les plus importants : les effectifs d’élèves n’y sont pas stabilisés, la qualité de l’éducation est faible, et les alternatives dans l’allocation des ressources nombreuses et déterminantes.

9 L’influence des partenaires au développement sur l’exercice de la planification de l’éducation dans les pays d’Afrique subsaharienne est grande. Pour deux raisons : les investissements y sont essentiellement financés par l’aide extérieure et les capacités locales de planification y sont faibles. C’est une évidence qu’il est utile de rappeler, car il n’est pas banal que ces pays utilisent tous les mêmes outils de planification de l’éducation, conçus par leurs partenaires. C’est le cas des modèles de simulation qui, du reste, sont présentés comme des instruments de communication entre les partenaires et les pays (cf. Brossard, Mingat, 2005).

La détermination des grandes orientations de la politique éducative

12 L’argument le plus commun pour justifier la simplicité des modèles consiste à dire qu’ils ne sont destinés qu’à déterminer les grandes orientations de la politique éducative et qu’à ce titre il n’est nul besoin d’entrer dans les détails du système éducatif. Ces grandes orientations sont définies à un niveau global par des paramètres tels que les taux de scolarisation, les taux de transition entre cycles d’études, les taux d’encadrement, le niveau de recrutement des maîtres, leurs salaires, etc. ; et ces grandes orientations suffiraient à déduire l’ordre de grandeur des besoins de financement. Quand on connaît les écarts entre les requêtes de financement, les promesses de dons ou de prêts et les montants effectifs de ces derniers, on comprend que cet ordre de grandeur autorise de grandes approximations. Cependant, si ces approximations sont trop grandes, si elles dépassent par exemple 20 % à l’horizon de cinq ans et 50 % à l’horizon de dix ans, on peut douter de l’utilité de construire un modèle quand une projection à main levée donnerait le même résultat.

13 Or, ce sont de telles approximations que l’on peut observer. Pour en donner un exemple, nous avons appliqué EFSM et EPSSim à la situation de la Mauritanie en 2011. Pour simplifier, nous avons simulé les seules dépenses courantes relatives aux établissements publics du fondamental, du secondaire et du supérieur (graphique 1) et les seules dépenses de construction de salles de classe du fondamental et du secondaire (graphique 2). Les résultats sont spectaculaires : à l’horizon quinquennal, les différences entre les dépenses courantes varient, selon l’ordre d’enseignement, entre 14 % et 30 % ; à l’horizon décennal, entre 36 % et 61 %. Les différences relatives aux dépenses de construction le sont encore plus. Cependant, elles sont dues pour l’essentiel à un lissage sur dix ans des dépenses dans EFSM et à un décalage d’une année d’imputation des dépenses entre les deux modèles ; elles sont donc moins fondamentales que les premières et il faut ajouter que les modes de calcul d’EFSM ne sont pas systématiques (le lissage peut notamment être très différent, voire inexistant). Toutefois, cette liberté dans les modes de calcul est révélatrice de l’inauthenticité de la planification.

14 Il faut avoir à l’esprit que les écarts élémentaires entre les modèles peuvent se cumuler [8], voire se multiplier, mais aussi se compenser. Les différences globales que nous venons d’exposer n’étaient pas a priori inéluctables. Qu’elles puissent être aussi grandes suffit à mettre en doute le bien-fondé de la simplicité de ces modèles. Que ceux-ci soient produits par les deux organisations internationales prépondérantes dans le secteur de l’éducation donne du relief à ce constat.

15 L’examen des différences particulières entre les deux modèles, différences dont nous venons de constater les conséquences au niveau global, dépasserait le cadre de cet article [9]. Il en est une toutefois qui mérite d’être exposée, car elle renvoie à une approximation assumée par les concepteurs d’EFSM. Elle concerne la détermination des flux d’élèves. EPSSim adopte la méthode classique, quasiment tautologique, que nous venons d’exposer (p. 2) et, à cet égard, n’est pas contestable. EFSM l’est en revanche quand, manifestement pour réduire l’espace qu’il occupe, il détermine les effectifs d’élèves au moyen de l’estimation suivante du taux brut de scolarisation :

(Tp + Td)/2
(1 ? R)

16 où Tp est le taux d’accès en première année ; Td, le taux d’accès en dernière année ; et R le pourcentage de redoublants dans l’ensemble du cycle.

17 Ainsi, pour le primaire, la méthode classique tient compte de la population ayant l’âge normal d’entrée à l’école et des effectifs scolarisés dans chaque année d’études ; la relation qu’elle établit entre ces données et les effectifs d’élèves est exacte. La méthode EFSM tient compte de la seule population scolarisable ; la relation qu’elle établit entre cette donnée et les effectifs d’élèves est approximative. Or, cette approximation n’est pas insignifiante : l’erreur absolue (positive ou négative) moyenne calculée pour les vingt dernières années en Mauritanie est par exemple de 6 %, avec un maximum de 18 % ; théoriquement, l’erreur peut être plus grande, mais il est juste de l’évaluer pour des situations vraisemblables [10]. Les concepteurs du modèle n’ignorent pas cette erreur [11]. Ils l’acceptent parce qu’ils la jugent négligeable. Outre cette erreur, la méthode EFSM est plus sensible que la méthode classique à l’incertitude des données démographiques.

Figure 1

Comparaison des modèles de simulation EFSM (Banque mondiale) et EPSSim (Unesco), Dépenses courantes pour les établissements publics – Mauritanie

Comparaison des modèles de simulation EFSM (Banque mondiale) et EPSSim (Unesco), Dépenses courantes pour les établissements publics – Mauritanie

Figure 2

Comparaison des modèles de simulation EFSM (Banque mondiale) et EPSSim (Unesco), Dépenses de construction des salles de classe pour les établissements publics (réhabilitations non comprises) – Mauritanie

Comparaison des modèles de simulation EFSM (Banque mondiale) et EPSSim (Unesco), Dépenses de construction des salles de classe pour les établissements publics (réhabilitations non comprises) – Mauritanie

18 Certes, quantifier l’impact des différents facteurs de l’accès ou de l’efficacité interne est une gageure au regard de laquelle l’erreur est négligeable. Mais dans le court terme, ces indicateurs – l’accès et l’efficacité interne – sont plus fortement déterminés par la situation initiale que par ces facteurs [12]. L’erreur est par conséquent préjudiciable, car ce sont les premières années du plan simulé qui sont les plus déterminantes quant au choix des politiques (les contraintes budgétaires à court terme sont notamment beaucoup plus fiables qu’à moyen ou long terme).

Les principaux modes de calcul

19 Nous venons de donner une indication du caractère abusif des approximations acceptées dans les modèles de simulation en opposant EFSM et EPSSim. Le premier est plus contestable que le second, car il est plus global et parce que son mode de calcul des flux d’élèves se prive volontairement d’informations importantes pour les premières années de projection, mais les deux modèles, ainsi que leurs adaptations, ont recours, pour les principaux modes de calcul, aux mêmes méthodes dont nous allons maintenant montrer les défauts de la simplicité.

L’encadrement

20 L’encadrement est un des aspects les plus importants des systèmes éducatifs, en termes pédagogiques comme en termes financiers. Dans les deux modèles génériques que nous examinons, comme dans la quasi-totalité des modèles spécifiques, les effectifs d’enseignants sont déterminés à peu près de la même manière.

21 Pour le primaire, un ou deux paramètres seulement sont utilisés : le ratio élèves/maître (EPSSim), ou les ratios élèves/classe et classes/maître (EFSM). Souvent, l’objectif retenu est le ratio de 40 élèves par maître qui figure notamment dans le cadre indicatif Fast-Track ; tout au plus, jouera-t-on à sa marge pour tenir compte d’une contrainte financière ou d’une contrainte de capacité de recrutement. On peut déplorer qu’un objectif unique soit imposé pour cet indicateur comme, du reste, pour chacun des dix autres de ce cadre [13]. Mais il y a plus, la dispersion de la population varie beaucoup selon les pays d’Afrique subsaharienne et les écoles d’un bon nombre d’entre eux ont un effectif qui les contraint à composer des classes, simples ou même multigrades, de petite taille ; de sorte qu’ils doivent accepter des classes de grande taille pour atteindre la moyenne souhaitée [14]. De fait, ce phénomène n’est pas négligeable ; d’autant plus que le système multigrade, pour être efficace, est très exigeant. La Mauritanie et la République démocratique du Congo (RDC) sont deux pays relativement peu denses, le premier nettement moins que le second [15]. En Mauritanie, la taille d’une classe simple ne doit pas excéder 50 élèves et le système multigrade doit être adopté afin d’éviter que cette taille ne descende au-dessous de 30 élèves, la taille des classes multigrades, elle, ne devant pas excéder 45 élèves [16]. Comme on peut le constater dans le tableau 1, ces normes déterminent une taille moyenne des classes, pour l’ensemble du pays, nettement inférieure à 40 élèves, même en adoptant le multigrade le plus extensif. Compte tenu des exigences du multigrade, il ne serait pas déraisonnable d’abaisser la taille maximale des classes multigrades. Or, si elle était fixée à 35 élèves, la taille moyenne serait voisine de 33 élèves. Appliquées à la RDC, ces mêmes normes conduiraient à une taille moyenne toujours sensiblement inférieure à 40 élèves, mais la différence avec la Mauritanie serait également sensible. Dans les deux dernières colonnes du tableau, figurent la taille maximale des classes simples qui devrait être imposée pour atteindre une moyenne de 40 élèves, et le pourcentage des élèves placés alors dans des classes d’une taille supérieure à 50 élèves.

22 Du point de vue financier comme du point de vue pédagogique, les écarts que nous venons de mettre en évidence discréditent les modèles qui n’en tiennent pas compte. Par ailleurs, à la différence de la taille moyenne des classes, les normes de taille de classe et les modalités du multigrade sont de nature à susciter des instructions précises dont l’application peut être aisément contrôlée.

23 On pourrait objecter que les différences de taille de classe, même importantes, ont en Afrique subsaharienne un faible impact sur les acquisitions des élèves (Michaelowa, 2003). Mais les études statistiques qui le révèlent rendent seulement compte de situations où la qualité est si dégradée que les avantages d’une taille de classe réduite ne peuvent être exploités ; elles ne peuvent inspirer la fixation à moyen ou long terme de paramètres de politiques dont l’objectif est de sortir de ces situations de manière radicale (cf. Rasera, 2005).

Tableau 1

Organisation pédagogique et taille des classes primaires

Type d’organisation pédagogique*		Taille moyenne des classes dans le cas d’une taille maximale de 50 élèves par classe simple		Taille maximale des classes simples pour obtenir 40 élèves/classe en moyenne ( % des élèves dans des classes de plus de 50 élèves)
		Mauritanie (2011)	RD Congo (2003)	Mauritanie (2011)	RD Congo (2003)
Pas de multigrade		30,4	33,1	180 (49 %)	73 (47 %)
		Multigrades
	Taille maximale des classes multigrades
Voisinsimmédiats	45	33,9	37,8	77 (37 %)	56 (18 %)
Tout couple	45	36,4	39,2	64 (24 %)	52 (6 %)
Libre	45	36,8	39,8	62 (22 %)	51 (2 %)
Voisinsimmédiats	35	32,1	35,6	90 (45 %)	61 (30 %)
Tout couple	35	33,2	36,2	78 (38 %)	60 (28 %)
Libre	35	33,4	36,4	76 (37 %)	59 (25 %)

Organisation pédagogique et taille des classes primaires

Notes : - Le multigrade est appliqué, si possible, seulement afin que la taille d’une classe simple ne soit pas inférieure à 30 élèves.
- Quand les élèves d’un même niveau peuvent être répartis en un nombre variable de classes (cas des écoles de grande taille), le nombre retenu est celui qui donne la taille moyenne la plus proche de 40 élèves.
- Voisins immédiats : seuls des élèves de deux niveaux d’études successifs peuvent être regroupés.
- Tout couple : les classes multigrades ne peuvent regrouper que des élèves de deux niveaux d’études différents.
- Libre : les classes multigrades peuvent regrouper des élèves de un à six niveaux d’études différents.

24 Pour le secondaire, la détermination du nombre de classes passe également par le seul paramètre de la taille moyenne, avec la même simplicité dommageable que pour le primaire. L’effectif d’enseignants est ensuite déterminé par leur charge horaire et celle des élèves. En général, celle-ci reste fixe et l’objectif est presque toujours de faire évoluer celle-là vers l’obligation de service. Les moyens d’atteindre cet objectif sont de fait ignorés, de sorte que les modèles sont à cet égard sans utilité. La charge horaire effective des enseignants, qui est souvent très en deçà de l’obligation de service, dépend pourtant de paramètres qu’il est possible de contrôler et d’intégrer dans un modèle : recours d’enseignants du second cycle pour exercer dans le premier, bivalence, affectation d’enseignants dans plusieurs établissements, heures supplémentaires, regroupement occasionnel de filières, etc. Ces paramètres peuvent avoir un impact important dans les pays où les établissements d’enseignement secondaire sont de petite taille. En Mauritanie, où elle est pratiquée, la bivalence peut augmenter de deux à trois heures la charge horaire moyenne de l’ensemble des enseignants ; une telle variation ôte tout intérêt à un modèle qui l’ignore. Certes, un modèle qui intègre ces paramètres est sensiblement plus complexe qu’EFSM ou EPSSim, mais cela ne peut constituer un argument valable pour y renoncer.

Une justification explicite

36 La taille des modèles faisant peut-être illusion, leur simplicité n’est pas contestée et on n’en trouve donc peu de justifications écrites. Celle de la Banque mondiale qui figure dans son guide méthodologique pour la préparation d’un Resen est par conséquent intéressante : « ... nombre [des] modèles [de simulation]... sont très détaillés et sont, dans une large mesure, des instruments de planification. On peut bien sûr les utiliser dans un but de simulation d’options alternatives de politiques éducatives, mais ils présentent alors l’inconvénient, d’une part, de ne pas faire apparaître de façon très transparente les leviers effectifs de la politique éducative et, d’autre part, d’incorporer un nombre important de coefficients techniques qui sont caractérisés à la fois par une incertitude sur leur valeur numérique et une importance significative sur les résultats obtenus. Il apparaît en fait très préférable d’utiliser une spécification réduite, parcimonieuse dans ses besoins en données de base et transparente sur les principaux leviers de la politique éducative » (Mingat, Rakotomalala, Tan, 2001).

37 Le modèle Resen (EFSM) est ici défini par opposition aux modèles dont le niveau de complexité est comparable à celui d’EPSSim [20]. EPSSim est certes plus détaillé qu’EFSM, et à ce titre moins critiquable, mais tout autant en ce qui concerne les modes de calcul élémentaires. Ce n’est donc pas cette opposition qui nous intéresse ici, mais la nature de l’argumentation des concepteurs d’EFSM en faveur de la simplicité. Du reste, ils ne dénient pas à ces modèles (comparables, donc, à EPSSim) – que nous désignerons, par commodité [21], sous l’expression modèles de planification – la fonction essentielle qu’ils accordent au leur : la simulation d’options alternatives de politiques éducatives. Ils leur reprochent de n’être pas fiables pour l’exercice de cette fonction. Ils avancent deux arguments.

38 Premier argument : les modèles de planification ne font pas apparaître de façon très transparente les leviers effectifs de la politique éducative. Pourtant, ces modèles sont tous conçus sous tableurs et leurs formules sont tout aussi accessibles – visibles et compréhensibles – que celles d’EFSM. Par ailleurs, toutes les grandeurs que détermine celui-ci le sont également par ceux-là. C’est assurément la taille des modèles dits de planification qui est en cause. Les principaux paramètres sont plus difficiles à localiser. En l’absence d’interface appropriée, l’élaboration de scénarios demande plus d’attention. Mais le terme transparence est bien mal choisi. Un seul paramètre (un coût unitaire) suffit dans EFSM pour déterminer l’essentiel des dépenses courantes de l’enseignement supérieur ; dans un modèle de planification, il en faut une dizaine, voire beaucoup plus. C’est certes plus simple dans EFSM, mais, en l’occurrence, est-ce plus transparent ? Non, au contraire : l’opacité est dans ce coût unitaire, pas dans une série de paramètres qui rendent compte du fonctionnement concret de l’enseignement supérieur. Quoi qu’il en soit, au regard d’enjeux qui concernent l’avenir d’un pays, un tel argument n’est pas recevable ; d’autant plus qu’il est très facile de distinguer les principaux paramètres dans un modèle complexe, via son interface.

39 Deuxième argument, les modèles de planification comporteraient un nombre important de coefficients techniques qui sont caractérisés à la fois par une incertitude sur leur valeur numérique et une importance significative sur les résultats obtenus. L’argument est surprenant : le défaut de ces modèles – dont la validité n’est pas mise en doute, il faut le souligner – serait de tenir compte de coefficients techniques importants mais qu’il serait préférable d’ignorer parce que leur valeur serait incertaine. Tout d’abord, l’incertitude dénoncée, ainsi que le nombre important de coefficients techniques qu’elle entacherait, sont deux appréciations exagérées, voire imaginaires ; on peut parcourir EPSSim ou d’autres modèles plus compliqués pour s’en rendre compte ; il n’y a pas à proprement parler de coefficients techniques ou de paramètres [22], même peu importants, dont la valeur serait affectée d’un aléa rédhibitoire et irréductible ; en revanche, il est vrai que la fiabilité des données de base est variable et, surtout, qu’elle dépend des efforts d’investigation consentis pour les collecter. Ensuite, la globalisation recommandée pour éliminer cette prétendue incertitude n’est pas une opération magique : la perte du contrôle des paramètres qu’elle synthétise n’est compensée par aucun gain, sinon celui de quelques lignes et colonnes de tableur ; elle se traduit dans des paramètres pour lesquels la fixation d’un objectif, qui ne peut être guidée par la situation concrète du système éducatif, l’est par des standards internationaux, discutables en tant que tels, ou par l’arbitraire.

40 Ce n’est pas la mise en évidence des leviers ou des paramètres clés [23] de la politique éducative – petit problème pratique – qui importe, mais la qualité de leur détermination. Bien sûr, il faut éviter d’encombrer les modèles de paramètres inutiles. On doit établir des relations les plus directes possible entre les différentes variables, mais qui ne cachent pas les paramètres ou les coefficients techniques dont l’impact potentiel est important ; à moins qu’ils ne soient aléatoires ou définitivement impossibles à fixer. Par ailleurs, conserver dans le modèle un paramètre ou un coefficient technique dont l’incertitude est susceptible d’être réduite présente l’avantage d’encourager cette réduction ou d’en garder en mémoire la nécessité.

41 Enfin, on peut s’étonner que les prétendus défauts qui rendraient les modèles de planification inaptes à déterminer les grandes orientations de la politique éducative – notamment l’incertitude de leurs coefficients techniques – n’affectent pas également leur qualité d’instrument de planification.

L’existence de deux types de modèles complémentaires

42 De l’argumentation de la Banque mondiale que nous venons d’examiner, ressort l’idée de l’existence de deux types de modèles : les modèles simples (aux spécifications réduites), convenables pour déterminer les grandes orientations de la politique éducative, et les modèles détaillés (les instruments de planification), convenables pour la planification ou la programmation. En invoquant cette distinction, on pourrait relativiser notre critique : les premiers modèles seraient certes très globaux, imprécis, mais la planification de l’éducation n’en serait pas affectée, car elle serait effectuée avec les seconds. De deux choses l’une, soit les premiers et seconds modèles sont liés, soit ils ne le sont pas. Le premier cas correspond à une planification séquentielle qui part d’un modèle très global pour arriver, après une ou plusieurs étapes, à la répartition ultime des crédits. Dans ce cas, une étape doit être basée sur les résultats de celle qui la précède et celle-ci doit être la meilleure pour déterminer ces résultats. Or, aucune de ces conditions n’est remplie : on n’observe aucune séquence de ce type – elle est du reste difficilement concevable, sinon pour des répartitions géographiques – et les modèles premiers ne sont pas correctement conçus pour donner des valeurs fiables aux grandeurs qu’ils déterminent. Si les premiers et seconds modèles ne sont pas liés, on peut naturellement douter de l’utilité des premiers dès lors que l’on dispose des seconds.

43 Notre critique s’applique évidemment d’autant mieux aux modèles qu’ils sont simples. Cependant, la plupart des modèles utilisés pour la planification, pour établir des programmes de dépenses publiques par exemple [24], ne sont guère plus développés que celui auquel nous faisons référence (cf. note 6) – qui, du reste, est lui-même un modèle adapté pour le Burkina Faso. Et les développements éventuels concernent essentiellement des décompositions de variables et non les modes de calcul.

44 Par ailleurs, que deux modèles non liés soient utilisés à des fins différentes, comme cela se produit parfois – un modèle EFSM est utilisé pour établir et accompagner une requête de financement auprès d’un bailleur de fonds, tandis qu’un modèle différent, plus complexe, est utilisé pour établir un CDMT – ne va pas sans incohérences – incohérences qui ne sont rendues bénignes que par le caractère factice de ces exercices. Il est pourtant simple d’extraire d’un modèle les seuls éléments qui intéressent les bailleurs de fonds ; on comprend mal, par conséquent, la recommandation d’un modèle aussi fruste qu’EFSM.

Les justifications pratiques

45 Nous avons examiné l’argumentation de la Banque mondiale recommandant la simplicité des modèles pour déterminer les grandes orientations de la politique éducative. Dans la présentation de son modèle générique, il est implicite que l’Unesco accepte l’idée que les modèles les plus simples puissent suffire à déterminer ces grandes orientations, mais les arguments qu’elle avance pour justifier leur utilisation sont d’ordre pratique : « Le modèle générique présente l’avantage de pouvoir être opérationnel dès que la structure, les données de base et les options politiques du système éducatif sont saisies, mais a des limites en tant qu’outil de programmation détaillée. [...] Au cours des dernières années, certains modèles génériques (souvent appliqués après une adaptation limitée [25]) sont devenus populaires. Cela est dû à un certain nombre de facteurs, dont les plus importants sont : (i) le temps et les ressources [qui font] défaut pour développer des modèles spécifiques [...] ; (ii) la capacité de produire, grâce aux modèles génériques adaptés, une analyse comparative inter pays en termes de scolarisations et de projections des ressources nécessaires ; (iii) la flexibilité d’adaptation de certains modèles génériques par rapport aux différents contextes nationaux. » (Unesco, 2005, p. 8).

46 Étant donné le rythme de la planification de l’éducation en Afrique subsaharienne et le temps et les ressources nécessaires à l’élaboration d’un modèle spécifique, les facteurs (i) et (iii) semblent quelque peu controuvés ; au mieux, confirment-ils l’insuffisance, au regard des enjeux, des efforts portés sur la planification de l’éducation que dénonce notre critique des modèles. Le facteur (ii) est, quant à lui, erroné, car l’uniformité des modèles ne garantit en aucun cas une comparaison valable des scolarisations et des ressources nécessaires ; bien au contraire, dans quelque modèle que ce soit, ce n’est pas la définition de ces termes qui pose problème, mais leur calcul – qui sera d’autant plus juste qu’il tiendra compte des spécificités locales. Peut-être, ce dernier facteur a-t-il été confondu avec la facilité offerte par un modèle unique de donner, par sommation de feuilles de calcul, une estimation acceptable des besoins de financement pour l’ensemble d’une région ; comme cela fut employé par la Banque mondiale en 2003 pour estimer le financement requis pour parvenir à l’achèvement primaire universel en 2015 (Bruns, Mingat, Rakotomalala, 2003) ?

47 On justifie parfois la simplicité des modèles de simulation en invoquant la faiblesse des capacités locales de planification. Au regard de l’avenir d’un pays, de milliers ou de millions de jeunes, le coût de la suppression ou de la correction de ces handicaps est dérisoire. Les enjeux d’une planification effective de l’éducation mériteraient que l’on se donne les moyens de recruter des planificateurs aux compétences appropriées ; même si l’efficacité de la planification est difficile à constater. Mais à défaut, le recours à l’assistance technique est possible et, de fait, largement utilisé. Ça ou là, des cadres africains ont pris part à l’élaboration de modèles de simulation, voire les ont conçus sans assistance extérieure, mais la plupart du temps avec. Cette assistance est perfectible, notamment quant à son suivi, mais une authentique planification concertée avec les bailleurs de fonds, à laquelle ne ressemblent pas les modèles actuels de simulation, conduirait naturellement vers ce perfectionnement.

Une imprécision qui a pour « avantage » de se rendre imperceptible

48 La conception des modèles de simulation prônés par la Banque mondiale est telle que ce qui les rend défectueux les soustrait dans le même mouvement à l’épreuve des faits. En effet, la simplicité des modèles se traduit par des paramètres abstraits qui ne guident aucune action : que faire des ratios élèves/maître ou des salaires moyens en unités de PIB/habitant ? Mieux, que faire d’un paramètre unique pour déterminer l’ensemble des dépenses de personnel non enseignant et des dépenses de fonctionnement ? Dès lors, ces modèles sont sans impact réel ; ils ne font que satisfaire des procédures formelles. Les plans qu’ils produisent ne peuvent être suivis ou évalués, sinon après le délai imposé par leur imprécision [26], c’est-à-dire long et par conséquent impropre à une planification efficace. Ainsi, les défauts des modèles sont imperceptibles.