L’enseignement supérieur vu depuis les open data

En préparant un questionnaire sur les transformations pédagogiques dans l’enseignement supérieur, je me suis intéressée aux “open data” rendues publiques par le MENESR. J’avais déjà eu l’occasion de manipuler les données ouvertes produites par l’OCDE dans le cadre de ses différentes consultations périodiques (PISA, Regards sur l’Éducation…), mais je n’avais pas encore investigué côté français. Peut être aussi parce que les initiatives en la matière sont relativement récentes : les portails du ministère de l’Enseignement Supérieur et du ministère de l’Éducation Nationale connaissent en effet une croissance assez lente depuis leur lancement respectif en avril 2014 et en décembre 2016.

Mais en tout état de cause leur ouverture reste une excellente nouvelle pour les arpenteurs de la recherche en éducation que nous sommes, au service veille et analyses de l’IFÉ. Et sans doute aussi pour beaucoup d’autres acteurs, vous peut être ? Encore faut-il prendre le temps d’exploiter ces données brutes, qui, en l’état (fichiers tabulés le plus souvent), n’apportent pas grand chose à la compréhension de notre système éducatif (et évidemment résister à la tentation positiviste de croire que l’ère des données va bouleverser notre compréhension du monde !…).

Que signifie le terme “open” ?

Les open data, ou données ouvertes, sont des données numériques proposées en accès libre et réutilisables par tous. Elles s’inscrivent dans un mouvement qui depuis plus de 20 ans prône une libération des données publiques dans l’intérêt général de tous les citoyens et une circulation libre des résultats de recherche au nom des progrès de la science. Historiquement ce sont donc dans les milieux scientifiques et dans les administrations publiques que les premières initiatives ont vu le jour. Mais les données ouvertes peuvent être produites indifféremment par un organisme d’Etat, une collectivité, une association ou une entreprise. Les champs d’application sont également illimités : transport, mobilité, environnement, météo, économie, finances, santé, culture, éducation…

Les données qualifiées d’ouvertes ne sont pas que statistiques : elles peuvent être de nature textuelle, visuelle, sonore, cartographique… Grosso modo, le terme “open data” peut s’appliquer à tout type d’information, en provenance de tout type de source… Ce qui les caractérise avant tout, c’est la licence ouverte dont elle bénéficie, licence qui garantit une liberté d’accéder, d’utiliser, de réutiliser et de redistribuer librement les données originales, sans restriction technique, juridique ni financière. Réutilisation et redistribution supposent dès lors un format structuré à minima, permettant idéalement une compatibilité des jeux de données entre eux.

Autrement dit, les “open data” sont de qualité variable. Tim Berners-Lee, pionnier d’internet, propose en 2010 une échelle de qualité à 5 niveaux :
* données disponibles en ligne, sans format spécifique, potentiellement dégradées
** données structurées à minima (données tabulaires en XLS…)
*** données structurées dans un format non propriétaire (CSV plutôt que XLS)
**** données datées et identifiées par des URL, conformes aux standards du W3C
***** données liées à d’autres données pour en enrichir l’utilisation

La plateforme dédiée aux données ouvertes de l’enseignement supérieur est accessible à cette adresse : https://data.enseignementsup-recherche.gouv.fr/ . Elle comporte au moment où je rédige cet article près de 100 jeux de données (93 exactement). Ils correspondent grosso modo à une sélection d’indicateurs parmi ceux qui alimentent l’édition annuelle de l’État de l’enseignement supérieur et de la recherche et sont issus majoritairement des bases SISE et RH-SUPINFO.
Mais on y trouve aussi nombre de référentiels ou listes contrôlées, qui ne présentent pas d’intérêt en eux-mêmes, mais qui couplés à d’autres données, garantissent une information standardisée. On peut citer typiquement la liste des principaux établissements d’enseignement supérieur.
Listes contrôlées et indicateurs impliquent en tout état de cause des usages différenciés.

Tous les jeux de données sont datés (et certains le sont vraiment !). Il n’est ainsi pas superflu d’être attentif à la période couverte par les données collectées, ni à la date de mise à jour du jeu. Des alertes par email sont possibles pour savoir quand un jeu ou un autre a été mis à jour (mais j’ai pu constater que ça ne fonctionnait pas à tous les coups).

Pour savoir ce que contient le jeu de données avant de décider ou non de le télécharger, plusieurs outils de visualisation sont proposés. En cliquant sur “modèle de données” dans la fiche même, on affiche tous les types d’information contenus dans le jeu. La vue “tableau” est complémentaire, elle permet de faire défiler les colonnes et leurs valeurs (contenus), la vue “tableau de bord” offre parfois une vue interactive, et enfin les filtres à gauche permettent d’opérer une sélection dans le jeu de données avant de l’exporter (ou pas).

Référentiels et listes d’autorité diverses

Ces jeux de données sont immédiatement utilisables ou presque… Ils contiennent parfois beaucoup d’informations qui peuvent présenter un moindre intérêt, il est souvent nécessaire de nettoyer le fichier avant d’utiliser les données.

Figure par exemple dans cette catégorie la liste des principaux établissements d’enseignement supérieur : 312 enregistrements avec une période couverte allant de janv. à déc. 2019. On peut filtrer sur critères institutionnels (type d’établissement, secteur public ou privé…) , sur critères géographiques (région académique, commune…), etc. On y trouve de multiples données d’identification, adresses postales, adresses web et comptes de réseaux sociaux…
En complément, est disponible un jeu contenant la localisation des différentes implantations des établissements d’enseignement supérieur (sept. 2016 – août 2017).

D’autres jeux de données proposent des listes d’établissements ou de structures, régulièrement mises à jour :

Plus rarement sont proposés au téléchargement des listes de diplômes. C’est le cas par exemple de la liste des parcours MEEF proposés par les ÉSPÉs (période couverte de sept. 2014 à juin 2016).

Dans cette catégorie de listes contrôlées, le Référentiel métiers RéFérens III fait partie des jeux les plus téléchargés (période couverte de janv. 2017 à décembre 2019). Il reprend les informations et nomenclatures concernant les 242 métiers des ingénieurs et personnels techniques de recherche et de formation (ITRF) et des ingénieurs et personnels techniques de la recherche (ITA) décrits dans le répertoire RéFérens (REFérentiel des Emplois-types de la recherche et de l’Enseignement Supérieur). Il est associé à un autre jeu de données qui présente les entrées du dictionnaire des compétences qui décrit les connaissances et compétences liés aux emplois-types de RéFérens III.

En matière de vocabulaire normalisé, signalons également un jeu dédié au lexique français-anglais des termes liés à l’enseignement supérieur, où la COMUE ne trouve pas (encore) sa place mais où l’on apprend que le PRES – pôle de recherche et d’enseignement supérieur se traduit par “Higher education and research cluster”, et que les personnels ITRF peuvent être qualifiés en anglais par “Engineers and technical staff for research and training”. Personnellement j’aurais bien inséré le terme “support” quelque part (research and training-support staff ?) mais bon, en matière de traduction les arbitrages entre l’esprit et la lettre ne sont jamais simples.

Des données sur les étudiants et les parcours d’études

Plusieurs jeux présentent des données sur les effectifs étudiants et les parcours et réussites des bacheliers inscrits pour la première fois dans l’enseignement supérieur .

D’autres jeux fournissent des données à analyser sur l’insertion professionnelle des diplômés, comme par exemple ceux diplômés de licence professionnelle (juin 2013 – déc. 2017) ou ceux titulaires d’un Master (juin 2010 – déc. 2017). Contrairement au jeux précédents dans lesquels une ligne du tableau correspond à un étudiant, ici l’entrée se fait par discipline et par établissement.

Des données sur les établissements d’enseignement supérieur

Un travail intéressant à mener consisterait à cumuler toutes les données disponibles sur les établissements d’enseignement supérieur pour mettre en évidence ce qui les rapproche… et ce qui les différencie ! On sait en définitive très peu de choses sur les configurations locales. Les jeux de données qui répondent à cette grille de lecture sont grosso modo de trois sortes : ils concernent les diplômes préparés, les étudiants inscrits et les personnels affectés. En voici quelques exemples.

Dans un registre similaire au jeu de données sur les Masters MEEF mentionné précédemment, on trouve une liste des Masters sélectifs (juill. 2016 – août 2019).
Dans les autres jeux de données relatifs aux formations dans les établissements figurent également les informations relatives aux inscrits ou aux diplômés. Voir en particulier la liste et les effectifs inscrits dans les principaux diplômes et formations préparés dans les établissements d’enseignement supérieur (de sept. 2006 à août 2018) et les diplômes délivrés dans ces mêmes établissements (de sept. 2008 à août 2016 – chaque ligne du tableau correspondant à un étudiant diplômé par un établissement une année donnée).

Effectifs d’étudiants inscrits dans les établissements publics sous tutelle du ministère en charge de l’Enseignement supérieur (sept. 2010 – août 2018) : ces données permettent de disposer d’informations détaillés sur le parcours de chaque étudiant, notamment sa scolarité secondaire : elles complètent celles fournis dans le jeu “Statistiques sur les effectifs d’étudiants inscrits par établissement” dans lequel chaque ligne du fichier correspond aux statistiques d’un établissement pour une année universitaire donnée. Les variables disponibles portent sur les caractéristiques des étudiants et celles des formations qu’ils suivent.
Les jeux de données dédiés à l’insertion professionnelle après une licence professionnelle ou un master, déjà cités, permettent aussi avec un peu d’agilité statistique de reconstituer par établissement les taux d’insertion.

Le dernier fil conducteur pour l’exploitation de ces données ouvertes concerne les ressources humaines des établissements. Deux jeux de données sont d’ores et déjà disponibles. L’un présente les effectifs d’enseignants-chercheurs et d’enseignants titulaires en activité dans les établissements (sept. 2010 – août 2017), l’autre se concentre sur les effectifs d’enseignants non permanents (doctorants contractuels, ATER et autres contractuels enseignants, sept. 2012 – août 2017). Signalons enfin un jeu complémentaire sur les effectifs nationaux d’enseignants titulaires par type d’établissement, académie et grande discipline (l’information sur l’établissement n’est pas disponible).

Quelles “data” sont open ?

Les choix peu explicites des administrations
La mise à disposition des open data n’apparaît pas si régulée que ça et les lobbies citoyens restent peu audibles en la matière. Les données à libérer ne relèvent-ils que de la libre appréciation des “sources”, propriétaires ou producteurs de l’information ? La tendance est bien réelle pourtant, et la transparence est de mise si l’on se réfère à la Charte pour l’ouverture des données publiques adoptée lors du G8 de 2013. Depuis cette date, la mobilisation des collectivités, avec le soutien de l’association Open Data France, s’est intensifiée par exemple. Mais y a-t-il une obligation légale ? Je n’ai pas l’impression… Alors que la Constitution, les Codes sectoriels, les lois et règlements sont largement disponibles sur Légifrance depuis 2002, le service statistique du MESR opère par exemple une sélection des données qu’il libère… Et certaines données restent sous bonne garde, comme celles concernant les usages de la nouvelle plateforme Parcoursup, malgré la transparence revendiquée par le ministère actuel.

Le choix empêché des chercheurs
Le cas des données scientifiques (non gouvernementales) est différent toutefois, et les mouvements pour la science ouverte, engagés depuis la Déclaration internationale de Budapest en 2002 (cf. BOAI – Budapest Open Access Initiative), se heurtent à un marché verrouillé par les gros éditeurs qui monnaient à des tarifs inimaginables l’accès à l’information scientifique et technique. Un marché qui porte atteinte au travail des auteurs et qui fait obstacle à la cumulativité des résultats de la recherche, même quand elle est financée sur fonds publics. Un marché dont les enjeux n’ont pas grand chose à voir avec les idéaux de la société de la connaissance nourris par l’internet. Avec des conséquences sur toute la chaine de production, parfois dramatiques. On se souvient tous du combat d’Aaron Swartz et on regrette que les avancées soient si faibles depuis son décès en 2013.

Notons que tous ces jeux de données (et d’autres) sont aussi accessibles via le portail https://data.esr.gouv.fr/FR/ . La navigation thématique y semble plus efficiente mais le portail donne accès à de nombreuses ressources qui ne sont pas des données ouvertes (applications, publications, référentiels etc.). Donc le choix entre data.enseignementsup-recherche.gouv.fr et data.esr.gouv.fr dépend de votre fil conducteur (open data ou entrée thématique).

Voilà, vous savez tout ou presque sur comment accéder à ces ressources et ce qu’elles contiennent en gros. Reste à les manipuler ! N’hésitez pas à signaler en commentaire les analyses, que vous auriez réalisées ou dont vous avez connaissance, qui exploitent ces open data. Pour illustrer et encourager les usages !
Et si jamais vous ne trouviez pas votre bonheur dans les open data déjà libérées, il semble que l’on puisse formuler une demande à la Sous-direction des systèmes d’information et des études statistiques (SIES).


2 réflexions sur « L’enseignement supérieur vu depuis les open data »

    1. J’avais laissé la question de l’obligation légale en suspens, je vous remercie donc d’apporter des éléments de réponse !
      C’est assez récent en fait… Je suppose que ce principe de mise en ligne spontanée des bases de données et documents d’intérêt social, économique ou environnemental (promu par la loi Lemaire pour une république numérique) aura des retombées importantes à court et moyen termes.
      À suivre donc !

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.