Présentation
L’Indice mondial de préparation aux futurs de l’éducation (GEFRI) compare les pays à partir de données ouvertes et comparables à l’échelle internationale. Cette page présente la sélection des indicateurs, l’imputation et le calcul des scores du point de vue des politiques publiques. L’annexe technique (en anglais) détaille les indicateurs, les dimensions et le moteur de calcul.
Fonctionnement du GEFRI
- Le jeu de données courant est actualisé chaque mois à partir des derniers indicateurs disponibles. Le 15 juillet de chaque année, l’année de référence en cours et les quatre précédentes sont recalculées afin d’intégrer de manière cohérente les observations révisées ou ajoutées rétrospectivement par la Banque mondiale.
- Les données sont nettoyées et validées. Les micro-États, dont la population est inférieure à 300 000 habitants, sont signalés et exclus des statistiques de référence.
- Les valeurs manquantes sont imputées dans cet ordre : région et groupe de revenu, région, groupe de revenu, ensemble mondial. Les micro-États sont exclus de tous les ensembles de référence.
- Chaque indicateur fait l’objet d’une transformation adaptée. La plupart utilisent une normalisation min–max glissante à partir des valeurs observées hors micro-États. Le capital humain utilise des transformations fixes pour les dépenses, l’alphabétisation et la participation à l’enseignement secondaire et supérieur.
- Les scores des dimensions sont calculés et soumis à des contrôles de plausibilité, notamment dans les contextes de fragilité et de conflit.
- Le niveau de confiance dépend de la part d’indicateurs directement observés. Des pénalités s’appliquent selon la méthode. Dans le capital humain, chaque indicateur est ajusté selon la qualité des données, avec un ajustement supplémentaire uniquement si au plus un indicateur provient d’une observation propre au pays.
- La moyenne des scores finaux des dimensions donne le score composite du GEFRI.
L’implémentation Python figure dans l’annexe technique (en anglais).
Sources de données
- Banque mondiale : Statistiques de l’éducation et indicateurs (source principale).
- Institut de statistique de l’UNESCO : Centre de données de l’ISU.
- Autres organismes internationaux : voir les métadonnées des indicateurs.
Familles d’indicateurs
Le GEFRI mesure cinq dimensions à l’aide d’indicateurs de la Banque mondiale et de l’UNESCO. Le catalogue complet, avec les codes et les transformations, figure dans l’annexe technique (en anglais).
- Infrastructures : électricité et connectivité nécessaires aux apprentissages numériques et hybrides.
- Capital humain : investissement, alphabétisation et participation à l’éducation aux différentes étapes de la vie.
- Accès à l’école et parité entre les sexes : scolarisation, achèvement des études et parité pour repérer les groupes qui restent exclus.
- Innovation : dépenses de R&D, intensité de la recherche et exportations technologiques, qui éclairent la capacité à élaborer et à diffuser de nouvelles solutions.
- Gouvernance : indicateurs mondiaux de gouvernance portant sur l’efficacité des pouvoirs publics, la qualité de la réglementation, la maîtrise de la corruption et la participation citoyenne.
Toutes les données sont en accès ouvert. Quand plusieurs organismes contribuent à une série, l’annexe précise les sources.
Transformations des indicateurs et bornes de normalisation
Pour la plupart des indicateurs, les bornes reposent sur un historique glissant d’au plus 18 périodes de normalisation enregistrées, à partir des minima et maxima observés hors micro-États. Dans les mises à jour mensuelles, ces périodes correspondent généralement à des mois. Lors des reconstructions historiques, les années achevées sont généralement représentées par décembre et l’année en cours par le mois réel du calcul. Ce procédé stabilise les variations tout en conservant le caractère empirique du min–max. Pour les indicateurs sans plafond naturel, comme les publications scientifiques et les exportations de haute technologie, le maximum mondial peut augmenter. Un pays dont la valeur brute reste stable peut alors voir son score normalisé baisser. Les valeurs imputées utilisent les bornes sans les définir. Une reconstruction ne tient compte que des périodes disponibles au plus tard à la période cible. Les quatre indicateurs de capital humain utilisent des transformations fixes.
- Indicateurs linéaires : la plupart suivent une transformation min–max directe. Les valeurs hors de l’intervalle historique donnent un score borné entre 0 et 1.
- Indicateurs logarithmiques ou dérivés : les serveurs sécurisés, les chercheurs par million d’habitants, les articles scientifiques et les exportations de haute technologie utilisent
log1pavant la normalisation min–max pour atténuer les valeurs extrêmes. - Abonnements mobiles : le score augmente linéairement de 0 à 1 entre 0 et 150 abonnements pour 100 habitants, puis reste plafonné à 1. Un abonnement par habitant peut signaler une large disponibilité globale, même si la répartition est inégale. Le seuil de 150 est un point de saturation méthodologique, sans statut officiel auprès de l’UIT ou de la Banque mondiale. Il tient compte des cartes SIM multiples et des écarts de couverture sans récompenser proportionnellement des densités exceptionnelles.
- Capital humain : les dépenses publiques d’éducation, l’alphabétisation adulte et les taux bruts de scolarisation dans le secondaire et le supérieur utilisent des transformations fixes. Pour le supérieur, la transformation exponentielle est à rendement décroissant et atteint sa saturation technique à 120. Ce point tient compte du taux brut et ne constitue pas une cible de fréquentation universitaire.
- Articles par million d’habitants : le calcul ne s’applique qu’à partir d’un million d’habitants. En dessous, la valeur reste manquante et le niveau de confiance de l’innovation baisse.
- Indicateurs d’équité : la non-scolarisation, l’achèvement et la parité utilisent des fonctions linéaires à points de référence fixes.
- Évolution de la frontière : la hausse du maximum mondial, par exemple pour les publications scientifiques ou les serveurs sécurisés, peut élargir l’intervalle et faire baisser des scores normalisés sans changement des valeurs brutes.
| Code | Indicateur | Dimension |
|---|---|---|
EG.ELC.ACCS.ZS | Accès à l’électricité (% de la population) | Infrastructure |
IT.NET.USER.ZS | Utilisateurs d’Internet (% de la population) | Infrastructure |
IT.NET.SECR.P6 | Serveurs Internet sécurisés (par million d’habitants) | Infrastructure |
IT.CEL.SETS.P2 | Abonnements mobiles (pour 100 habitants) | Infrastructure |
SE.XPD.TOTL.GD.ZS | Dépenses publiques d’éducation (% du PIB) | Capital humain |
SE.ADT.LITR.ZS | Alphabétisation des adultes (% des 15 ans et plus) | Capital humain |
SE.SEC.ENRR | Taux brut de scolarisation dans le secondaire (%) | Capital humain |
SE.TER.ENRR | Taux brut de scolarisation dans le supérieur (%) | Capital humain |
SE.ENR.SECO.FM.ZS | Parité dans le secondaire (taux brut filles/garçons) | Accès scolaire et parité de genre |
SE.ENR.TERT.FM.ZS | Parité dans le supérieur (taux brut femmes/hommes) | Accès scolaire et parité de genre |
SE.PRM.UNER.ZS | Enfants non scolarisés au primaire (% de la population d’âge correspondant) | Accès scolaire et parité de genre |
SE.SEC.UNER.LO.ZS | Adolescents non scolarisés dans le secondaire (% de la population d’âge du premier cycle) | Accès scolaire et parité de genre |
SE.SEC.CMPT.LO.FE.ZS | Achèvement du premier cycle du secondaire, filles (% du groupe d’âge correspondant) | Accès scolaire et parité de genre |
SE.SEC.CMPT.LO.MA.ZS | Achèvement du premier cycle du secondaire, garçons (% du groupe d’âge correspondant) | Auxiliaire |
GB.XPD.RSDV.GD.ZS | Dépenses de R&D (% du PIB) | Innovation |
SP.POP.SCIE.RD.P6 | Chercheurs en R&D (par million d’habitants) | Innovation |
IP.JRN.ARTC.SC | Articles dans des revues scientifiques et techniques | Innovation |
TX.VAL.TECH.CD | Exportations de haute technologie (dollars américains courants) | Innovation |
SP.POP.TOTL | Population totale | Auxiliaire |
GE.EST | Efficacité des pouvoirs publics (WGI) | Gouvernance |
RQ.EST | Qualité de la réglementation (WGI) | Gouvernance |
CC.EST | Maîtrise de la corruption (WGI) | Gouvernance |
VA.EST | Participation et responsabilité (WGI) | Gouvernance |
Le GEFRI reçoit IP.JRN.ARTC.SC sous forme de nombre brut d’articles, puis le rapporte à un million d’habitants pour le score d’innovation si la population atteint un million. La population totale et le taux d’achèvement du premier cycle du secondaire chez les garçons servent aux calculs dérivés, à l’évaluation de la confiance et aux tableaux de bord. Ils n’entrent pas directement dans le score composite. L’annexe technique (en anglais) détaille les transformations et l’imputation par indicateur.
Imputation des données et niveaux de confiance
Lorsqu’un indicateur manque pour un pays, le GEFRI suit quatre étapes d’imputation :
- Moyenne région et groupe de revenu. Elle est utilisée si les deux catégories sont connues et que le groupe combiné contient assez de données.
- Moyenne régionale. Elle est utilisée en l’absence de valeur pour le groupe combiné.
- Moyenne du groupe de revenu. Elle est utilisée lorsqu’aucune moyenne régionale n’est disponible.
- Moyenne mondiale. Elle est utilisée en dernier recours.
Pour les pays à revenu élevé sans données d’alphabétisation adulte, une valeur de 100 % est imputée et enregistrée sous Assumed (high income). Les valeurs de 100 % effectivement déclarées restent des observations d’origine. Cette hypothèse suit les normes internationales sauf indication contraire.
Les tableaux identifient les observations d’origine et les valeurs imputées, et précisent la méthode. Les micro-États, de moins de 300 000 habitants, sont exclus des calculs d’imputation.
La confiance de chaque dimension dépend de la part d’indicateurs directement observés :
- Élevée : au moins 90 % de couverture observée.
- Modérée : au moins 70 % et moins de 90 %.
- Faible : moins de 70 %.
Les profils présentent les indicateurs imputés, les méthodes et les niveaux de confiance. Si un indicateur est indisponible pour une petite population, par exemple les articles par million dans un pays de moins d’un million d’habitants, la dimension concernée reçoit automatiquement un niveau de confiance faible.
Pour le capital humain, les quatre indicateurs sont pondérés séparément selon que leur valeur est directement observée, ancienne, interpolée ou imputée. Puis les scores ajustés sont moyennés. Un multiplicateur supplémentaire de 0,85 s’applique uniquement si au plus un indicateur provient d’une observation propre au pays.
Normalisation et calcul des scores
- Min–max : la plupart des indicateurs sont normalisés de 0 à 1 et présentés sur 100. Les bornes proviennent d’un historique glissant d’au plus 18 périodes de normalisation, à partir des minima et maxima observés hors micro-États. La dernière donnée publiée dans l’année cible ou les sept années précédentes est retenue. Les valeurs imputées utilisent les bornes sans les redéfinir.
- Valeurs extrêmes : les valeurs négatives ou impossibles sont bornées lorsque la transformation l’exige. Les résultats normalisés restent entre 0 et 1. Les sous-scores d’équité utilisent des points fixes de 10 à 100.
- Transformations logarithmiques : les serveurs Internet sécurisés, les chercheurs et les articles scientifiques par million ainsi que les exportations de haute technologie utilisent
log1pavant normalisation. - Abonnements mobiles : la saturation à 150 abonnements pour 100 habitants remplace les bornes historiques. Les valeurs brutes restent disponibles à l’exportation et les valeurs extrêmes sont signalées dans les diagnostics. Le seuil pourra être révisé.
- Population minimale : les articles scientifiques par million ne s’appliquent qu’à partir d’un million d’habitants. En dessous, la confiance de l’innovation est faible.
- Scores par dimension : les infrastructures, l’innovation et la gouvernance utilisent la moyenne arithmétique des indicateurs normalisés. Le score de capital humain est la moyenne de quatre indicateurs à transformation fixe, ajustés selon la qualité des données. Pour l’accès à l’école et la parité entre les sexes, quatre indicateurs sont convertis sur une échelle de 10 à 100, puis font l’objet d’un contrôle de plausibilité dans certains pays à revenu élevé. Le score est leur moyenne harmonique, plafonnée le cas échéant en raison de la fragilité.
- Confiance et pénalités : pour les infrastructures, l’innovation, la gouvernance et l’accès à l’école et la parité, la confiance est faible sous 70 %, modérée de 70 % à moins de 90 %, et élevée à partir de 90 % d’observations directes. Le score d’une dimension dont le niveau de confiance est faible est multiplié par 0,85. Le capital humain conserve le niveau de confiance publié. À la place de cette pénalité générale, il applique une pondération par indicateur et l’ajustement décrit pour les cas où peu d’indicateurs sont directement observés.
- Score composite : moyenne des scores finaux des dimensions, ramenée à 0–100.
Accès à l’école et parité entre les sexes
Cette dimension étudie la scolarisation, l’achèvement du premier cycle du secondaire et les écarts entre les sexes. Elle tient compte des artefacts de mesure et des perturbations liées à la fragilité et aux conflits.
- Indicateurs : enfants non scolarisés au primaire, adolescents non scolarisés au secondaire, achèvement du premier cycle du secondaire chez les filles et indice de parité au secondaire. Chacun est converti linéairement sur une échelle de 10 à 100.
- Contrôle de plausibilité : dans un pays à revenu élevé hors FCS, si trois entrées atteignent au moins 80 et une entrée est à 40 ou moins, la valeur la plus basse est remplacée par l’avant-dernière. Cela couvre notamment les filières professionnelles mal recensées. Le test de sensibilité de novembre 2025 montre que supprimer la règle réduit les scores de 4 à 12 points dans neuf systèmes à revenu élevé, sans modifier leur position relative dans le reste du classement.
- Confiance : l’imputation réduit la part observée. Elle peut faire passer la dimension au niveau de confiance faible et déclencher le multiplicateur de 0,85, sans déduction distincte.
- Plafond de fragilité : les pays classés FCS par la Banque mondiale pour l’exercice 2025 ont un score plafonné à 40 après les autres ajustements. Sans ce plafond, leurs scores augmentent de 8 à 20 points dans les tests de sensibilité, sans déplacement de plus de cinq places dans le classement composite.
- Transparence : les formules, le code publiable et un exemple figurent dans l’annexe technique (en anglais).
Justification des choix et paramètres
- Micro-États (<300 000 habitants) : leurs séries souvent discontinues peuvent perturber les moyennes régionales et de revenu. Ils sont exclus des groupes de référence.
- Articles par million (≥1 000 000 d’habitants) : le nombre d’articles par habitant devient instable dans les très petites populations.
- Confiance de la dimension équité : l’incertitude d’imputation est prise en compte par les seuils de confiance et le multiplicateur de confiance faible, sans pénalité additive distincte.
- Fiabilité du capital humain : les poids par indicateur réduisent l’effet de données d’investissement ou de participation anciennes ou largement imputées.
- Plausibilité de l’équité : remplacer le minimum par l’avant-dernière valeur dans les pays à revenu élevé hors FCS lorsque trois scores atteignent 80 et un score est à 40 ou moins réduit les artefacts de déclaration.
- Niveaux de confiance (<70 %, 70 % à moins de 90 %, ≥90 %) : ils distinguent les couvertures observées faible, partielle et élevée.
- Plafond FCS de 40 : il évite de surestimer la préparation lorsque les indicateurs bruts ne reflètent pas les perturbations structurelles des services.
La Banque mondiale publie la classification des situations de fragilité et de conflit (FCS). L’ancienne abréviation FCV peut demeurer dans le code et la documentation.
Limites des données et notes d’utilisation
Le calcul historique utilise la dernière observation publiée dans une fenêtre de huit ans, soit l’année cible et les sept précédentes. Cela écarte les données trop anciennes, mais certains pays restent représentés par des observations antérieures. L’imputation accroît l’incertitude, surtout lorsque de nombreuses données sont manquantes ou anciennes. Les délais et normes de déclaration varient. Le filtre de population atténue les distorsions pour l’innovation sans éliminer les problèmes de petits échantillons.
Le GEFRI publie des scores annuels depuis 2016. La Banque mondiale révise les données lorsqu’elle reçoit et valide de nouvelles observations. Chaque juillet, le GEFRI recalcule l’année courante et les quatre précédentes, de la plus ancienne à la plus récente. Chaque année reconstruite actualise l’historique des bornes utilisé par la suivante. Une période ultérieure ne peut pas influencer un calcul antérieur. L’archive complète est conservée. Lorsque le maximum d’un indicateur sans plafond naturel augmente, la normalisation peut donner un score inférieur à une valeur brute inchangée. Pour conserver une série temporelle immuable, archivez les versions originales des sources avec les résultats du GEFRI.
L’indice sert de point de départ à l’analyse et au dialogue sur les politiques, avec un appui sur les connaissances locales. Les classements seuls ne permettent pas de tirer des conclusions définitives, surtout lorsque la confiance est faible.
- Les scores reflètent les données publiées dans la fenêtre de référence et ne mesurent pas les événements récents.
- Une forte part de données imputées diminue la confiance.
Pour transmettre une observation ou signaler un problème, contactez-nous.
Historique des modifications
- 2026-07-15 — Moteur 1.2 : moyenne harmonique pour l’accès à l’école et la parité, confiance fondée sur les observations directes, exclusion des micro-États des bornes de référence, normalisation limitée à 0–1, saturation fixe des abonnements mobiles, transformations fixes et pondération des preuves en capital humain, et correction du calcul des articles par million dans l’innovation. Recalcul de l’historique depuis 2016.
- 2026-07-12 — Élargissement des pages d’analyse et de l’explorateur cartographique. L’adresse de base de l’API passe à
/api/v1/gefri./api/gefrireste disponible au moins jusqu’au 1er janvier 2027. La normalisation historique est corrigée pour exclure l’influence des périodes ultérieures tout en conservant l’archive des bornes. - 2026-06-20 — Suppression des doublons de la Somalie grâce à un profil canonique par code ISO 3166-1 alpha-3. Les noms servent à l’affichage. Le changement du score de 2026 figure dans les publications à partir du 1er juillet.
- 2025-11-26 — Moteur 1.1 : historique glissant de 18 enregistrements initialisé par les données historiques pour réduire les fluctuations mensuelles, ajout des vues historiques et améliorations de l’interface.
- 2025-05-27 — Moteur 1.0 : exclusion des micro-États des classements et des calculs d’imputation, donnant lieu à de nouveaux scores. Ajout du contrôle de plausibilité de l’équité pour les pays à revenu élevé hors conflit. Lorsque trois indicateurs sont très élevés et un exceptionnellement faible, l’avant-dernière valeur remplace le minimum pour limiter les artefacts, par exemple les filières professionnelles non recensées.
- 2025-05-16 — Première version bêta publique du score GEFRI et des scores par dimension, ouverte aux commentaires.