Version classiqueVersion mobile

Parcours d'étudiants

 | 
Philippe Cordazzo

Partie 3 . Espaces et mobilités

Chapitre XI

Les étudiants internationaux : des flux d’échelle et d’intensité variées

Clarisse Didelon-Loiseau

Texte intégral

1Selon l’Unesco (2005), les étudiant internationaux sont ceux qui « voyagent dans un pays différent de leur pays d’origine dans l’objectif de poursuivre des études ». Malgré cette définition simple, les mobilités étudiantes sont imbriquées dans un ensemble de phénomènes complexes et multiscalaires (Collins, 2008), et s’inscrivent dans un contexte riche d’enjeux parfois contradictoires, comme la question de la compétitivité des pays dans le cadre de l’émergence d’une « économie du savoir », d’une part, ou celle de la mondialisation des migrations et de la volonté de contrôler les frontières nationales, d’autre part. Si nous sommes loin d’un monde sans frontière, l’accroissement des mobilités, notamment celles des étudiants, est indéniable (Wihtol de Wenden, 2009). En effet, les possibilités se sont considérablement accrues grâce à l’extension des réseaux de transports mondiaux et, surtout, au développement des accords et des programmes d’échanges entre les universités (Altbach et Knight, 2007). En valeur absolue, les flux internationaux d’étudiants ne cessent d’augmenter : en 1999, selon l’Unesco, près de 1,68 million de personnes poursuivaient leurs études hors de leur pays d’origine ; il y en avait le double en 2009 (3,36 millions). Toutefois, l’intensité de ces flux reste constante puisque, aux deux dates, les étudiants internationaux représentaient environ 2,5 % des étudiants. Selon Altbach et Knight (2007), l’augmentation absolue des flux s’explique par celle du nombre d’étudiants, du fait de l’amélioration de l’accès à l’enseignement supérieur. L’accroissement du nombre d’étudiants étrangers est parfois tel que, dans les pays qui en accueillent le plus, ces flux sont devenus indissociables de la question migratoire en général. Les étudiants sont confrontés à l’instauration de visas, de procédures administratives lourdes, voire à la mise en place de frais d’inscription spécifiques visant à sélectionner les candidats, afin d’éviter l’arrivée de migrants pauvres sous le prétexte des études. Pour les étudiants et leurs familles, le choix de la migration est une décision souvent lourde de conséquences : le coût en est important, malgré l’existence d’aides, puisque la plupart des étudiants financent eux-mêmes leur formation à l’étranger (Altbach et Knight, 2007).

2Si les flux internationaux divers (de marchandises, de capitaux, d’informations) sont des révélateurs de pratiques spatiales à l’échelle mondiale, l’analyse des flux étudiants permet de s’intéresser à une facette plus « intimement » humaine de la mondialisation. Stock (2004), dans le cadre de sa réflexion sur l’émergence d’une « société à individus mobiles », propose le concept d’« habiter » ; ses analyses font du monde un ensemble de lieux auxquels sont attribuées des valeurs liées aux représentations et qui vont influer sur les pratiques. Les étudiants participent tout particulièrement aux mobilités à travers le monde. Ces flux s’inscrivent dans un contexte constitué à la fois par les représentations attachées aux pays et aux lieux, mais aussi par les réglementations, les interdictions et les facteurs socioéconomiques qui rendent la migration plus ou moins facile. Ces mobilités relèvent donc de choix réfléchis, intégrés dans une stratégie de vie et prenant en compte un certain nombre de caractéristiques de l’espace : ce sont bien les motivations des individus et, au-delà, les valeurs qu’ils attribuent aux destinations potentielles qui doivent être analysées, comme lieu d’études et de résidence pendant ou après la durée de la formation. En effet, un nombre important d’étudiants migrent dans la perspective de trouver ensuite du travail dans le pays qu’ils ont choisi comme destination (Altbach, 2004), estimant qu’ils y auront plus d’opportunités, notamment de meilleurs salaires et conditions de travail. Même dans l’objectif d’un retour au pays d’origine, les lieux d’études sont sélectionnés en fonction des perspectives qu’ils offrent pour ce qui concerne les salaires et la constitution d’un réseau professionnel. Enfin, parmi les motivations de départ, il y a celle, très peu quantifiable, de « voir du pays » (Lu et al., 2009).

3La littérature académique est féconde dans le domaine des migrations étudiantes : de nombreux auteurs, notamment anglo-saxons, ont entrepris, depuis le début des années 2000, l’analyse des flux d’étudiants internationaux. Généralement, leurs recherches ont pour objectif de comprendre les liens entre la mondialisation, la société et la pédagogie dans le cadre du paradigme de l’économie du savoir. Deux méthodes principales y sont mises en œuvre : d’une part, des enquêtes pour mettre au jour les motivations et les processus de décisions individuelles ; d’autre part, l’élaboration de modèles gravitaires pour chercher à modéliser les flux d’étudiants. Ces recherches s’attachent le plus souvent à expliquer l’attractivité d’un pays en particulier, et rares sont celles qui portent sur l’échelle mondiale. Cela peut s’expliquer par la prépondérance d’enjeux nationaux forts, mais aussi par des problèmes méthodologiques importants : seul l’Unesco fournit les données annuelles permettant de reconstituer une matrice origine/destination des flux d’étudiants (voir encadré). Toutefois, celle-ci reste très lacunaire pour un certain nombre de pays (tant de départ que d’origine) et doit être complétée avant de pouvoir en faire une analyse pertinente. Pour autant, l’examen des flux internationaux d’étudiants à l’échelle mondiale est riche d’enseignements. Les données à l’échelle mondiale ont donc été complétées et analysées à la fois pour différencier les pays en focntion de leur attractivité et de leur émissivité, mais aussi pour déceler des facteurs explicatifs des mobilités étudiantes à cette échelle.

Encadré 1. Les bases de données de l’Unesco

L’organisation des Nations unies pour l’éducation, la science et la culture (Unesco) produit par le biais de l’Institute for Statistics (http://data.uis.unesco.org/​) des bases de données liées à l’éducation (scolarisation des enfants, niveaux de diplômes, nombre d’enseignants ou d’établissements, investissements dans l’éducation, mobilités internationales, etc.), à la culture et à différents domaines socioéconomiques. Ces données statistiques sont fournies à l’échelle des États et sont des compilations de différentes sources. Si elles ont souvent une forte profondeur temporelle, elles sont toutefois marquées par l’abondance des estimations et des manques. Concernant les étudiants internationaux, au-delà du problème soulevé par l’absence d’éléments pour certains pays à certaines dates, la question de la qualité des données disponibles dans la base de l’Unesco doit être soulevée. Celle-ci est une compilation de collectes réalisées par trois organismes, l’Unesco, l’OCDE et Eurostat, dont les pratiques de documentation diffèrent, notamment sur la manière dont sont définis les étudiants internationaux dans les différents pays. Ainsi, le terme peut concerner parfois les étudiants de nationalité étrangère mais qui peuvent être nés dans le pays ou les étudiants réellement en situation de migration internationale pour leurs études. Cela contribue probablement à surestimer l’attractivité de certains pays utilisant le critère de nationalité et par ailleurs jugés intéressants sur le plan migratoire. Toutefois, ni la base de données d’Eurostat, qui concerne les pays de l’espace européen, ni celle de l’OCDE, qui ne décrit que les pays les plus développés, ne peuvent être utilisées seules.

I. Des pays plus ou moins attractifs

4Le niveau d’attractivité des pays est mesuré par le rapport entre, d’une part, la différence entre les étudiants entrants et sortants et, d’autre part, la somme des flux entrants et sortants. Pour cela, il faut utiliser les sommes marginales de la matrice origine/destination. Or celles-ci sont manquantes pour près de 80 pays et doivent donc être complétées.

1. Compléter les flux entrants et sortants

  • 1 La situation décrite ici est celle de 2009 ; il est évident que, depuis cette date, les situations (...)

5Les valeurs manquantes peuvent correspondre à une absence de données (du fait d’un système administratif défaillant ou opaque) ou à une absence de flux, qui peut s’expliquer par différents facteurs tels que la pauvreté d’un pays, la faiblesse ou l’inexistence de son infrastructure pour l’enseignement supérieur, la « rareté » des locuteurs de sa langue à l’étranger. Ainsi, il est probable qu’il n’existe pas de flux d’étudiants vers le Bhoutan ou le Cambodge ou que ces flux sont marginaux. D’autres pays, tels que le Soudan, le Pakistan, le Yémen, la Côte d’Ivoire1, etc., sont caractérisés par une situation politique ou géopolitique troublée qui peut induire une absence – au moins temporaire – de flux traduite en « donnée manquante ». Toutefois, considérer chaque donnée manquante comme un flux inexistant serait erroné : certains flux nuls sont indiqués (Afghanistan ou Djibouti) et certaines absences totales de flux semblent peu probables (Inde, Chine, pays hispanophones d’Amérique). Il s’agit donc de vérifier à quel cas correspond chaque absence de données et d’essayer de compléter la valeur manquante en mobilisant d’autres sources.

6S’il n’existe pas d’autre source de données globales sur les flux d’étudiants étrangers que celle de l’Unesco, les sources par pays se révèlent relativement utiles, notamment les documents officiels (ministères chargés de l’enseignement supérieur) ou les travaux académiques qui les citent. Il est ainsi possible de trouver des chiffres d’étudiants reçus pour certains pays d’Amérique du Sud, notamment grâce au Project Atlas du National Association of Universities and Higher Education Institutions cité par Varghese (2008). Pour l’Inde, on trouve quelques valeurs ventilées par régions d’origine. Le ministère de l’Enseignement supérieur tunisien fournit les chiffres sur les étudiants reçus et ceux de certains pays d’Afrique australe peuvent être complétés grâce aux données fournies par la Southern African Regional Universities Association.

7Ces recherches ciblées ne portent pas toujours leurs fruits, notamment en ce qui concerne les pays africains (Sénégal, Kenya, Égypte, etc.). Dès lors, les taux d’attractivité et d’émissivité des pays (calculés sur les stocks totaux d’étudiants) ont été utilisés pour estimer le nombre d’étudiants entrants et sortants.

8Dans un premier temps, l’existence d'une corrélation des taux observés avec d’autres variables a été explorée, afin de construire un modèle de régression et d’estimer les données manquantes grâce à l’équation de la droite. Un ensemble de variables « explicatives » ont été testées, dont le PIB par habitant, qui était le plus corrélé avec le taux d’attractivité. Mais la valeur du taux de corrélation est faible (0,69) et le nuage de points loin d’être linéaire. Le PIB par habitant et le taux d’attractivité ont été discrétisés et l’existence d’une relation significative avec un test du Chi2 a été testée. La valeur du Chi2 est très élevée (47,8 pour un degré de liberté de 6) et la relation significative (0,01 % de risque d’erreur). Dès lors, comme les pays dont les données sont manquantes sont a priori peu attractifs, la valeur minimale observée (hors données nulles) de la classe de PIB par habitant correspondant a été utilisée pour la complétion : ces taux ont été appliqués au nombre d’étudiants dans les pays concernés. Il a été fait de même pour les étudiants sortants.

2. Structuration des flux d’étudiants internationaux

9Ces estimations ont permis de compléter l’ensemble des sommes marginales et de produire la figure 1 qui montre que les flux d’étudiants internationaux sont caractérisés par une forte concentration spatiale. Selon l’Unesco (2005), au début des années 2000, six pays accueillaient les deux tiers des étudiants étrangers en nombre absolu : les États-Unis, le Royaume-Uni, l’Allemagne, la France, l’Australie et le Japon. Sur la figure 1, ces pays constituent des pôles globaux. D’autres se révèlent également attractifs, que ce soit en volume de flux (Canada, Russie, Malaise, Thaïlande) ou en intensité (quand le volume des étudiants entrants est supérieur, voire très supérieur, à celui des étudiants sortants). Ces derniers, comme l’Argentine, Cuba, l’Afrique du Sud, la Jordanie, le Qatar et Bahreïn, le Kirghizstan, la Malaisie et la Nouvelle-Zélande, jouent probablement un rôle dans la structuration des flux à l’échelle régionale.

10Au contraire, certains pays reçoivent des flux très faibles ou nuls, et sont surtout caractérisés par une forte émissivité. Leur manque d’attractivité pour les étudiants internationaux peut s’expliquer par différents facteurs évoqués précédemment. On note ainsi le caractère répulsif de la majorité des États africains et sud-américains. Enfin, la figure 1 confirme l’existence des deux grands bassins d’émission d’étudiants internationaux que sont l’Inde et la Chine. Cette forte émissivité s’explique moins par le déficit de leur infrastructure académique que par leur forte démographie et leur volonté marquée de s’inscrire sur la scène internationale. Enfin, certains pays comme l’Espagne, l’Italie, le Canada, la Malaisie, etc., sont à la fois récepteurs et émetteurs d’étudiants internationaux.

Figure 1. Attractivité des pays pour les étudiants internationaux en 2009

Figure 1. Attractivité des pays pour les étudiants internationaux en 2009

Lecture : plus le cercle localisé sur un pays est de grande taille, plus les mobilités internationales d’étudiants y sont importantes, qu’ils arrivent ou qu’ils quittent le pays. Les couleurs claires indiquent les pays qui attirent plus d’étudiants qu’ils n’en émettent, les couleurs foncées indiquent les pays qui envoient plus d’étudiants à l’étranger qu’ils n’en attirent. Ainsi, c’est aux États-Unis que les flux totaux sont les plus importants et ils sont caractérisés par la très forte proportion d’étudiants étrangers qui se rendent dans ce pays pour y faire leurs études.

Source : Didelon-Loiseau, 2013.

  • 2 Cette typologie empirique a été confirmée ultérieurement par une classification réalisée sur trois  (...)

11Pour affiner l’analyse, une typologie empirique2 des mobilités a été construite à partir d’une cartographie des flux entrants d’étudiants internationaux de 37 pays dont les données étaient complètes. Leur intensité, le nombre de pays d’où ils proviennent ainsi que leur répartition spatiale (régionale, mondiale) ont été observés de manière croisée. Neuf pays parmi les plus représentatifs sont examinés ici (figure 2). Ils illustrent la diversité de la structure des flux à l’échelle mondiale : certains pays attirent des flux faibles à une échelle régionale (Maroc), d’autres des flux forts à l’échelle mondiale (États-Unis). Mais il y a aussi des pays qui attirent des flux forts à l’échelle régionale (Afrique du Sud), tandis que d’autres suscitent des flux faibles à l’échelle mondiale (Norvège). Dans une situation intermédiaire, la Malaisie attire des flux d’intensité moyenne qui dépassent sa région d’appartenance sans pour autant avoir une portée mondiale.

Figure 2. Variation de l’échelle et de l’intensité de l’attractivité de certains pays pour les étudiants internationaux

Figure 2. Variation de l’échelle et de l’intensité de l’attractivité de certains pays pour les étudiants internationaux

Lecture : cette carte permet de localiser l’origine des flux d’étudiants et de caractériser leur intensité numérique pour certains pays. La taille des cercles est proportionnelle au nombre d’étudiants qui se rendent dans le pays. La couleur grise indique qu’aucun étudiant originaire d’un pays ne se rend dans le pays concerné. Ainsi, l’Afrique du Sud attire un nombre relativement important d’étudiants des pays limitrophes, mais aucun étudiant ne vient d’Europe, d’Asie ou des Amériques.

Source : Didelon-Loiseau, 2013.

II. Mise en œuvre du modèle gravitaire

12Pour analyser les flux étudiants à l’échelle mondiale, un modèle gravitaire a été mis en œuvre. C’est une adaptation de la loi d’attraction universelle de Newton et utilisée par les géographes dans l’analyse des interactions spatiales (flux de marchandises, de capitaux, etc.). L’une des étapes importantes de l’analyse est celle du paramétrage du modèle et de l’introduction de facteurs explicatifs. Auparavant, il a fallu passer par une phase d’optimisation de la matrice de données.

1. Minimiser les flux manquants

13Dans un premier temps, pour pallier l’absence de certaines données, celles de 2009 ont été remplacées par la moyenne de trois années (2008, 2009 et 2010). Pour cette période, si une seule valeur est disponible, elle sera conservée. Si toutes sont disponibles, cette opération a pour avantage de « lisser » l’information et d’atténuer les variations brusques que certains pays peuvent connaître, les flux étudiants étant particulièrement sensibles à toute une série de facteurs caractérisant aussi bien le pays d’origine que le pays d’élection (crise économique, conflit politique interne ou bilatéral, durcissement ou assouplissement des conditions d’accès aux visas, etc.).

14Ensuite se pose la question de la couverture spatiale de la matrice, qui va influencer la qualité de l’analyse. Il s’agit ici de minimiser le nombre de données manquantes, mais également le nombre de flux nuls (0) qui pourraient perturber la construction du modèle. L’absence de flux d’étudiants s’explique souvent par l’absence d’université dans le pays d’origine ou de destination (Tuvalu, Tokelau, îles Salomon), même s’il peut traduire le manque d’attractivité (Afghanistan). La matrice de l’Unesco (207 pays) a donc été réduite à une matrice – déjà utilisée dans plusieurs projets de recherches comme ESPON (2005) ou EuroBroadMap (2009) – qui compte 168 pays. Elle permet de minimiser largement le pourcentage de cellules comportant un flux nul (- 10 points) et conserve presque à l’identique celui de cellules vides (+ 1,5 point).

15Pour finir, les données manquantes et nulles sont encore relativement nombreuses et elles contribuent à introduire des difficultés dans la mise en œuvre de la modélisation.

2. Paramétrage du modèle

  • 3 Dans la mise en œuvre du modèle gravitaire en géographie, le terme « masse » désigne le poids des (...)
  • 4 L’expression « friction de l’espace » signifie que plus deux lieux sont éloignés, moins il y a d’é (...)

16Le modèle gravitaire fait dépendre l’intensité de l’interaction entre les lieux de leurs « masses3 » respectives (attractivité proportionnelle aux masses), ainsi que de la distance qui les sépare (attractivité inversement proportionnelle à la distance). Le rôle des masses est souvent considéré comme l’expression d’une potentialité d’interaction. La distance rend compte de la « friction de l’espace4 », qui se manifeste en coût, en temps, en difficulté de déplacement, mais aussi par un accès plus compliqué à l’information (Pumain et Saint-Julien, 2001). Le paramétrage du modèle passe donc par la détermination des « masses » et des « distances » à prendre en compte.

  • 5 Il prend la forme : Fij = k x masse i x masse j.
  • 6 R² : 0,42.

17En ce qui concerne les masses, deux variables classiques (PIB et population) ont été testées, ainsi que deux variables plus cohérentes thématiquement (nombre d’individus de 20 à 29 ans et nombre d’étudiants). Les masses expliquant le mieux l’attractivité peuvent différer de celles expliquant le mieux l’émissivité : un pays peut être attractif par sa richesse et émettre des flux importants à cause de la masse de sa population étudiante. La mise en œuvre d’un modèle sans introduction d’interaction spatiale5 révèle que c’est le nombre d’étudiants, à la fois dans le pays d’origine et de destination, qui permet d’obtenir le meilleur modèle possible6.

  • 7 Le modèle prend dès lors la forme suivante : Fij = k x Dij x PopEtui x PopEtuj.
  • 8 R² à 0,49.

18La distance7 peut être exprimée par une fonction puissance (faisant décroître le flux, qui reste faible mais ne disparaît pas) ou par une fonction exponentielle (passé un certain seuil, le flux s’éteint). La première solution accorde une place importante aux petits flux et a tendance à surestimer les flux à courte distance. La seconde conduit à sous-estimer les flux à courte distance et accorde un poids plus important aux plus gros flux. Ces derniers étant les plus sûrs et les moins sujets à des variations aléatoires, la fonction exponentielle a été retenue. Par ailleurs, il existe plusieurs mesures de la distance entre les pays. L’une d’elles prend en compte la distance entre les capitales des pays de départ et d’arrivée des flux. Deux autres sont une moyenne des distances entre les principales villes de ces pays, l’une d’elle étant pondérée par la population de ces villes. C’est cette dernière qui améliore le plus significativement le modèle8, même si elle joue un rôle relativement faible (le R² n’augmente que très faiblement). Cela peut refléter un rôle uniformément faible de la distance – ce qui traduirait une réelle mondialisation des flux étudiants – ou l’existence d’influences différenciées de la distance selon les lieux d’origine et de destination, donc l’absence d’une logique unique – ce que tendrait à montrer la structuration différenciée des flux évoquée précédemment.

3. Les facteurs de mobilités des étudiants

  • 9 Il s’écrit de la manière suivante : Fij = exp (-9,65 + 0,64 x log(PopEtui) + 0,89 x log(PopEtuj) +  (...)

19À ce stade, le modèle prend une forme classique : l’augmentation des masses accroît le flux, tandis que celle de la distance le fait décroître9. Toutefois, au-delà des simples effets de masse et de distance, d’autres facteurs interviennent dans l’explication de l’intensité des flux étudiants.

20La qualité de vie dans le pays d’accueil et, surtout, la différence de qualité de vie (McMahon, 1992) entre les pays d’accueil et d’origine contribuent à motiver le séjour et parfois la transformation du séjour temporaire en définitif. Le différentiel de qualité de vie est introduit dans le modèle par le PIB par habitant des pays d’origine et de destination (Didelon et Richard, 2012).

  • 10 La base de données utilisée a été construite en 2005 par le Centre d’études prospectives et d’infor (...)

21L’existence d’une langue commune constitue souvent un facteur déterminant (Latreche, 2001 ; Varghese, 2008 ; Perkins et Neumayer, 2014). Par ailleurs, l’anglais, langue la plus enseignée et « seconde langue » la plus parlée dans le monde, est aussi un facteur explicatif des flux d’étudiants internationaux (Altbach, 2004), notamment pour ceux des pays arabes (Choudaha et Chang, 2012). Ces deux situations ont été prises en considération10.

  • 11 Academic Ranking of World Universities, 2012.

22Le modèle tient également compte de l’existence et de la qualité des infrastructures d’enseignement supérieur : un déficit d’établissements ou leur inadaptation aux demandes de formation peuvent expliquer d’importants départs (Van Bouwel, 2009). Les données sur l’infrastructure (nombre d’établissements) et l’encadrement (rapport du nombre d’enseignants au nombre d’étudiants) étant très lacunaires, l’effet de la part du PIB consacrée à l’enseignement a été testée. A contrario, la présence d’établissements réputés est un des paramètres qui influence le choix des étudiants. Ce rayonnement peut être mesuré grâce aux classements internationaux, notamment celui de Shanghai (Lu et al., 2009 ; Perkins et Neumayer, 2014). Deux variables fondées sur le classement de Shanghai en 2009 ont été introduites : elles décrivent la présence d’au moins une université dans le top 500 et la présence d’au moins une université dans le top 1011.

  • 12 CEPII, 2005 (voir note 10).

23L’existence de liens historiques, notamment coloniaux, explique une partie des flux d’étudiants internationaux, puisqu’ils induisent parfois une langue commune et une certaine familiarité avec un système d’enseignement, mais surtout l’ampleur et l’entretien de réseaux de relations existantes en termes de coopérations académiques. Plusieurs variables qui rendent compte des liens coloniaux à plusieurs périodes ont été introduites12, ainsi qu’une variable décrivant, pour deux pays, l’existence d’un colonisateur commun qui peut expliquer l’existence de réseaux de relations privilégiées – c’est le cas, par exemple, pour les pays de l’ancien empire britannique aujourd’hui membres du Commonwealth.

24Les zones d’intégration économique (ZIE) permettent un accroissement de la mobilité intrarégionale, qui deviendrait alors plus forte que la mobilité interrégionale (Varghese, 2008). Certaines mettent en place des programmes d’échanges, comme Erasmus pour l’Union européenne (Latreche, 2001). Selon Grasland et Calzada (1996), l’appartenance de lieux à différents territoires produit des discontinuités dans les flux : une variable décrivant la coappartenance de deux pays au même espace régional a donc été testée. Elle a été introduite comme la coappartenance de deux pays à une ZIE ayant une existence institutionnelle, telle que l’Alena (Accord de libre-échange nord-américain), l’Anase (Association des nations de l’Asie du Sud-Est), etc.

25D’autres variables jouent un rôle important dans l’explication des flux étudiants, mais il n’a pas été possible de les utiliser ici, compte tenu de l’absence de bases de données à l’échelle mondiale. C’est le cas en particulier de la politique migratoire des pays, notamment en matière de visas et de formalités administratives (Perkins et Neumayer 2014 ; Varghese, 2008). Un autre facteur d’explication est celui des représentations ; des analyses précédentes (Didelon-Loiseau, 2013) montrent que cette variable a un rôle significatif mais, là encore, il n’existe pas de base mondiale permettant de décrire l’attractivité de chacun des pays pour tous les autres. Toutefois, le classement de Shanghai joue un rôle dans les représentations des espaces attractifs. Il est par ailleurs lié à la qualité de l’enseignement supérieur, mais aussi aux représentations de cette qualité qu’il contribue à construire ou à renforcer.

III. Résultats et enseignements

1. Les facteurs explicatifs des mobilités étudiantes

  • 13 Qui prend dès lors la forme suivante : Fij = k*Dij*PopEtui*PopEtuj*Xa*Xb*Xi*Xn.
  • 14 Cette variable apparait toutefois sur la quatrième ligne du tableau 1, après les variables de « mas (...)

26Chaque variable a été testée successivement en conservant à chaque étape celle qui améliorait le plus significativement le modèle13. Certaines sont redondantes et l’introduction de l’une d’elles dans le modèle entraîne l’abandon de l’autre. Six variables ont été utilisées avant que l’ajout d’autres variables cesse d’améliorer le modèle de manière significative. Leur pouvoir explicatif et leur significativité sont présentés dans le tableau 1. Celle dont le pouvoir explicatif est le plus important est la présence d’au moins une université dans le top 10 du classement de Shanghai14 : même si la pertinence et la légitimité de ce classement sont très discutées, cela confirme l’attractivité de la qualité des infrastructures de l’enseignement supérieur dans le pays de destination. Deux variables relatives à la langue jouent également un rôle non négligeable : une langue commune favorise les migrations étudiantes de manière très significative, de même que la présence de l’anglais. L’existence d’un passé colonial commun – que ce soit l’existence d’une relation colonisateur-colonisé ou d’un colonisateur commun – influence également l’intensité des flux. Enfin, l’inégalité de PIB par habitant est très significative, mais son rôle sur l’intensité des flux reste marginal et elle contribue plutôt à les faire décroître.

Tableau 1. Facteurs explicatifs des mobilités internationales d’étudiants

Tableau 1. Facteurs explicatifs des mobilités internationales d’étudiants

27Le modèle obtenu est satisfaisant tant d’un point de vue statistique (sens des coefficients, significativité des variables, valeur du R²) que d’un point de vue thématique : les variables significatives confirment nos hypothèses et les résultats obtenus par d’autres auteurs dans l’analyse des mobilités des étudiants internationaux. Toutefois, l’absence d’influence des variables spatiales, comme l’appartenance à une ZIE et la contiguïté, est étonnante : leur influence est peut-être complexe, tout comme, probablement, celle de la distance. Il faut cependant souligner que, si tel est le cas au sein de l’Union européenne, toute ZIE ne facilite pas nécessairement la mobilité des personnes. Certaines rassemblent même des pays entre lesquels existent des tensions diplomatiques, comme l’Inde et le Pakistan au sein de l’Asacr (Association sud-asiatique pour la coopération régionale). Enfin, un problème statistique réserve l’utilisation de ce modèle à l’analyse exploratoire : les plus gros flux observés sont systématiquement très largement sous-estimés par le modèle, tandis que les plus petits sont surestimés. Ceux d’étudiants chinois vers les États-Unis, le Royaume-Uni, la France, etc., sont ainsi largement sous-estimés (le flux estimé pour les États-Unis est près de 50 % inférieur au flux observé), à l’inverse des flux vers le Chili, le Portugal, la Turquie, etc. Il semblerait qu’il existe une « prime » à l’attractivité pour les pays recevant les flux les plus importants, que les variables introduites dans le modèle échoueraient à prendre en compte. Cette prime pourrait en partie être liée à des effets organisationnels, tels que l’existence d’accords entre certains pays, voire certains établissements universitaires.

28La mobilité humaine reste difficile à modéliser avec des modèles d’interaction spatiale (Plane, 1984). Une solution serait de mettre en place un modèle à double contrainte (en recourant aux totaux marginaux de la matrice pour contraindre le stock estimé) mais, dans le cas des flux étudiants, le nombre de données manquantes et les estimations déjà effectuées rendent inenvisageable le recours aux totaux. Ainsi, l’approche mise en œuvre révèle des problèmes de structure difficilement surmontables. Chercher à dépasser ces effets de structure conduit à formuler certaines hypothèses dont les implications méthodologiques et théoriques sont riches d’enseignements, notamment sur l’effet de la distance et de l’appartenance régionale.

2. Des flux non symétriques

  • 15 Il faut noter que l’absence de donnée de contre-flux n’explique pas en elle-même l’existence de rés (...)

29Dans la majorité des modèles gravitaires, on observe une relative symétrie des flux et contre-flux (Pumain et Saint-Julien, 2001). Cela est évidemment plus ou moins vérifié, les flux aériens ayant une probabilité plus forte d’être symétriques que les flux commerciaux. Dans le cas des mobilités étudiantes, la symétrie est rarement vérifiée, en partie du fait des données manquantes. Le tableau 2 illustre ce problème : pour sept des dix plus gros flux observés, il n’existe pas de données pour décrire les contre-flux15. Or, les données manquantes ne correspondent pas toujours à une absence de flux : les chiffres sont manquants pour Singapour alors que sa politique d’enseignement supérieur est largement fondée sur l’accueil d’étudiants étrangers. Mais ce serait une erreur de croire à la nature simplement méthodologique de ce problème : dans de nombreux cas, les contre-flux sont bel et bien nettement moins importants que les flux – c’est le cas entre le Japon et les États-Unis. En introduisant les masses des pays d’origine et de destination, ainsi que des paramètres décrivant la situation dans les deux pays, le modèle gravitaire est normalement à même de supporter des flux dissymétriques. Mais les différentiels d’attractivité sont ici très importants, et la variable la plus pertinente pour contrôler cet effet n’a pas été trouvée.

Tableau 2. Flux et contre-flux des migrations étudiantes (les 10 flux les plus importants en 2009)

Tableau 2. Flux et contre-flux des migrations étudiantes (les 10 flux les plus importants en 2009)

3. Pertinence de la mesure de la distance

30On peut également s’interroger sur la mesure de la distance la plus pertinente à utiliser à l’échelle mondiale. Ce problème est d’abord méthodologique et concerne l’emploi d’une mesure appliquée à des mailles géographiques (pays du monde) de tailles extrêmement variables. Même la moyenne des distances entre les villes les plus peuplées n’est qu’une approximation.

31La distance pose également problème d’un point de vue théorique : les différents tests effectués lors de la construction du modèle montrent qu’elle a un pouvoir explicatif significatif, mais relativement faible (le R² n’augmente que de 0,42 à 0,49). De fait, ce dernier est perturbé par certains flux qui ne sont pas conformes à ce que l’on pourrait attendre. En effet, théoriquement, l’accroissement de la distance contribue à la diminution des flux. Ce n’est pourtant pas le cas pour certains pays de destination ou d’origine. Ainsi, pour les États-Unis – le pays de destination le plus attractif –, l’analyse des résidus des flux estimés montre que les plus importants sont les plus sous-estimés. Or, il s’agit de flux originaires de pays éloignés comme la Chine et l’Inde, mais aussi de pays moins peuplés et donc moins susceptibles d’émettre de gros flux, comme le Japon, la République de Corée, la Malaisie, la Thaïlande, le Vietnam, Singapour, le Népal et le Sri Lanka. À l’inverse, les flux des pays proches des États-Unis, comme le Canada et le Mexique, sont surestimés. Cet effet contre-intuitif de la distance se retrouve dans l’analyse des flux émis par certains pays comme l’Inde. Certains des plus importants sont sous-estimés (vers l’Australie et, surtout, vers les États-Unis) tandis que les flux vers le reste du monde, et en particulier vers les pays plus proches, sont surestimés. La distance semble donc jouer un rôle positif : plus un pays est éloigné, plus cela tend à accroître l’intensité des flux émis depuis l’Inde.

32La distance n’est donc pas toujours pertinente à l’échelle mondiale pour ce qui concerne les migrations étudiantes et son pouvoir explicatif, souvent faible, peut être positif ou négatif. Il semble peu probable qu’une autre mesure de la distance (coût ou temps) puisse améliorer le modèle et il faut alors recourir à d’autres facteurs. Ainsi, les relations relativement mauvaises que l’Inde entretient avec ses voisins expliquent en partie nos observations. La distance joue donc un rôle différencié selon les pays de destination, mais aussi selon les pays d’origine. Et si son accroissement est généralement un frein à la mobilité, elle semble plutôt jouer un rôle de catalyseur pour certains pays d’origine des étudiants internationaux, dessinant ainsi les contours d’une migration réellement mondialisée.

Conclusion

33Les flux d’étudiants internationaux permettent d’explorer la structuration de l’espace mondial : ils varient en fonction d’une conjugaison de facteurs relativement classiques, comme la renommée universitaire du pays de destination, l’existence d’une langue commune ou de liens coloniaux passés. Mais – et cela rend la démarche d’autant plus intéressante – ces flux ne se laissent pas analyser facilement : certaines variables dont le rôle paraissait évident, telles que la contiguïté ou la coappartenance à des ZIE, ne sont pas significatives, et les flux ne peuvent être résumés simplement par des aires d’attractivité régionales, ce qui plaide en faveur de la pertinence de l’échelle mondiale comme niveau d’analyse des pratiques.

34Loin d’obéir à des lois simples, les mobilités des étudiants internationaux sont riches et complexes, et elles contribuent à l’émergence d’un territoire de pratiques à l’échelle mondiale. Elles permettent d’identifier des pôles d’attractivités (constitués de pays riches aux universités réputées pour lesquels la distance n’est pas en soi un problème), des pôles régionaux plus ou moins attractifs et des bassins d’émissivité qui sont parfois pratiquement de taille « continentale ». Elles questionnent de ce fait la nature des représentations de l’espace mondial et la manière dont ces dernières influent les pratiques. Les interrogations portent également sur la façon dont les pratiques évoluent, certains auteurs ne manquant pas de mettre en doute la stabilité des paramètres du modèle (Pini, 1995). Cette instabilité est due en partie aux changements de comportement des populations modélisées en fonction des évolutions dans les pays d’origine et de destination. Enfin, notre principale interrogation porte sur les niveaux d’échelles classiquement adoptés dans l’analyse géographique et sur leur pertinence dans l’analyse de l’espace mondial : pour les flux étudiants, les mailles étatiques constituent des contraintes méthodologiques difficilement surmontables, et il est par ailleurs évident qu’un individu ne peut jamais avoir qu’une expérience ponctuelle de l’espace, même si les commodités de langage en rendent compte de manière aréale. La meilleure solution serait de recourir à une matrice des flux entre les villes universitaires, ce qui réglerait par ailleurs le problème de la distance. Toutefois, cette option n’est pas envisageable compte tenu du nombre de données manquantes dans une matrice décrivant les pays.

Bibliographie

Références bibliographiques

Altbach P., 2004, “Globalization and the university: myths and realities in an unequal world”, Tertiary Education and Management, 10(1), p. 3-25.

Altbach P., Knight J., 2007, “The internationalization of higher education: motivations and realities”, Journal of Studies in International Education, 11(290), p. 290-305.

Choudaha R., Chang L., 2012, “Trends in international students mobility”, World Education News and Reviews, 25(2) ; https://wenr.wes.org/2012/02/wenr-february-2012-trends-in-international-student-mobility.

Collins F.L., 2008, “Bridges to learning: international student mobilities, education agencies and inter-personal networks”, Global Networks, 8(4), p. 398-417.

Didelon C., Richard Y., 2012, “The European Union in flows of international students, attractiveness and inconsistency”, International Review of Sociology, 22(2), p. 229-244.

Didelon-Loiseau C., 2013, Le monde comme territoire. Contribution à une approche renouvelée du monde en géographie, mémoire d’habilitation à diriger des recherches, université de Rouen.

Grasland C., Calzada C., 1996, « L’évaluation de l’effet frontière », SES Synthèses ; http://temis.documentation.developpement-durable.gouv.fr/pj/NS/NS_106_5.pdf.

Latreche A., 2001, « Les migrations étudiantes de par le monde », Hommes et Migrations, 1233, p. 13-27.

Lu Y., Mavondo F., Qiu L.L., 2009, “Factors influencing the choice of overseas study by undergraduate and postgraduate chinese students”, communication à l’Australia and New Zealand Marketing Academy Conference, 30 novembre-2 décembre 2009, Melbourne ; https://pdfs.semanticscholar.org/4265/6e039ce1cfb73720e94d55f18d86c8ff3451.pdf.

McMahon M.E., 1992, “Higher education in a world market”, Higher Education, 24(4), p. 465-482.

Perkins R., Neumayer E., 2014, “Geographies of educational mobilities: exploring the uneven flows of international students”, Geographical Journal, 180(3), p. 246-259.

Plane D.A., 1984, “Migration space: doubly constrained gravity model mapping of relative interstate separation”, Annals of the Association of American Geographers, 74(2), p. 244-256.

Pini G., 1995, « L’interaction spatiale », in A. Bailly, R. Ferras, D. Pumain (dir.), Encyclopédie de géographie, Paris, Economica, p. 539-558.

Pumain D., Saint-Julien T., 2001, Les interactions spatiales, Paris, Armand Colin.

Stock M., 2004, « L’habiter comme pratique des lieux géographiques », Espacestemps.net ; https://www.espacestemps.net/articles/habiter-comme-pratique-des-lieux-geographiques/.

Unesco, 2005, Tertiary Students Abroad, Learning Without Border, Unesco Institute for Statistics ; http://www.unesco.org/education/factsheet_foreignstudents.pdf.

Van Bouwel L., 2009, “Does university quality drive International student flows?”, communication à la DRUID Summer Conference, 17-19 juin 2009, Copenhague.

Varghese N.V., 2008, Globalization of Higher Education and Cross-border Student Mobility, Research Papers IIEP ; http://unesdoc.unesco.org/images/0015/001579/157989e.pdf.

Wihtol de Wenden C., 2009, La globalisation humaine, Paris, Puf.

Notes

1 La situation décrite ici est celle de 2009 ; il est évident que, depuis cette date, les situations politiques et géopolitiques de bon nombre de pays ont évolué.

2 Cette typologie empirique a été confirmée ultérieurement par une classification réalisée sur trois variables décrivant les pays récepteurs en fonction de l’intensité des flux reçus et de leur dispersion spatiale.

3 Dans la mise en œuvre du modèle gravitaire en géographie, le terme « masse » désigne le poids des unités spatiales, par exemple les poids des pays en matière de population ou de richesse (ou, comme ici, de nombre d’étudiants). L’hypothèse est la suivante : plus des pays ont une population nombreuse, plus la probabilité qu’il existe des flux entre eux est élevée.

4 L’expression « friction de l’espace » signifie que plus deux lieux sont éloignés, moins il y a d’échanges entre eux, en raison de la distance qui induit des coûts, du temps, de la perte d’information, etc.

5 Il prend la forme : Fij = k x masse i x masse j.

6 R² : 0,42.

7 Le modèle prend dès lors la forme suivante : Fij = k x Dij x PopEtui x PopEtuj.

8 R² à 0,49.

9 Il s’écrit de la manière suivante : Fij = exp (-9,65 + 0,64 x log(PopEtui) + 0,89 x log(PopEtuj) + -0,68 x log(Dij)).

10 La base de données utilisée a été construite en 2005 par le Centre d’études prospectives et d’informations internationales (CEPII), qui recense les langues officielles et « ethniques » des pays.

11 Academic Ranking of World Universities, 2012.

12 CEPII, 2005 (voir note 10).

13 Qui prend dès lors la forme suivante : Fij = k*Dij*PopEtui*PopEtuj*Xa*Xb*Xi*Xn.

14 Cette variable apparait toutefois sur la quatrième ligne du tableau 1, après les variables de « masse » (population étudiante à l’origine et à destination) et de distance, classiquement introduites dans le modèle.

15 Il faut noter que l’absence de donnée de contre-flux n’explique pas en elle-même l’existence de résidus élevés puisque les données manquantes ne sont pas introduites dans le modèle. Leur absence peut en revanche nuire à la qualité de calibration du modèle.

Table des illustrations

Titre Figure 1. Attractivité des pays pour les étudiants internationaux en 2009
Légende Lecture : plus le cercle localisé sur un pays est de grande taille, plus les mobilités internationales d’étudiants y sont importantes, qu’ils arrivent ou qu’ils quittent le pays. Les couleurs claires indiquent les pays qui attirent plus d’étudiants qu’ils n’en émettent, les couleurs foncées indiquent les pays qui envoient plus d’étudiants à l’étranger qu’ils n’en attirent. Ainsi, c’est aux États-Unis que les flux totaux sont les plus importants et ils sont caractérisés par la très forte proportion d’étudiants étrangers qui se rendent dans ce pays pour y faire leurs études.
Crédits Source : Didelon-Loiseau, 2013.
URL http://books.openedition.org/ined/docannexe/image/12742/img-1.jpg
Fichier image/jpeg, 339k
Titre Figure 2. Variation de l’échelle et de l’intensité de l’attractivité de certains pays pour les étudiants internationaux
Légende Lecture : cette carte permet de localiser l’origine des flux d’étudiants et de caractériser leur intensité numérique pour certains pays. La taille des cercles est proportionnelle au nombre d’étudiants qui se rendent dans le pays. La couleur grise indique qu’aucun étudiant originaire d’un pays ne se rend dans le pays concerné. Ainsi, l’Afrique du Sud attire un nombre relativement important d’étudiants des pays limitrophes, mais aucun étudiant ne vient d’Europe, d’Asie ou des Amériques.
Crédits Source : Didelon-Loiseau, 2013.
URL http://books.openedition.org/ined/docannexe/image/12742/img-2.jpg
Fichier image/jpeg, 696k
Titre Tableau 1. Facteurs explicatifs des mobilités internationales d’étudiants
URL http://books.openedition.org/ined/docannexe/image/12742/img-3.jpg
Fichier image/jpeg, 196k
Titre Tableau 2. Flux et contre-flux des migrations étudiantes (les 10 flux les plus importants en 2009)
URL http://books.openedition.org/ined/docannexe/image/12742/img-4.jpg
Fichier image/jpeg, 206k

© Ined Éditions, 2019

Conditions d’utilisation : http://www.openedition.org/6540

Rechercher dans OpenEdition Search

Vous allez être redirigé vers OpenEdition Search