Systèmes éducatifs et inégalités scolaires en Suisse. Une analyse

1
SYSTÈMES ÉDUCATIFS ET INÉGALITÉS SCOLAIRES EN SUISSE. UNE ANALYSE DE
L’ENQUÊTE PISA 20031
Georges Felouzis, Samuel Charmillot, Barbara Fouquet-Chauprade
GGAPE, Université de Genève
WORKING PAPER : OCTOBRE 2009
une des particularités de l’espace académique suisse est de présenter un
ensemble très diversifié de systèmes éducatifs dans un espace national
restreint du point de vue géographique. Dans un pays de 7,5 millions
d’habitants, on peut considérer que chacun des 26 cantons propose un
système éducatif spécifique, tant du point de vue de l’âge réel d’entrée en
enseignement primaire, que de la nature et de la précocité des différents paliers d’orientation
ou encore des programmes et des curricula suivis par les élèves. Cette diversité académique
est, d’un point de vu politique et national, un handicap que devraient progressivement
résoudre les politiques d’harmonisation en voie de négociation (HarmoS). Toutefois, ce
handicap devient un avantage réel pour le sociologue désireux de comparer les systèmes
éducatifs et leurs conséquences sur les compétences des élèves. Bien mieux que les
comparaisons internationales, qui risquent toujours d’attribuer aux différences de structures
éducatives ce qui relève de facteurs culturels ou sociaux, les comparaisons inter cantonales
ont le mérite de proposer au sociologue de l’école un espace scolairement assez différencié
pour légitimer les comparaisons, et assez fortement unifié pour les rendre intelligibles. Le
propos de ce texte est donc de tirer avantage de cette situation suisse pour comprendre les
mécanismes de production des compétences scolaires et les inégalités qui en résultent, ce
qui nous conduira à raisonner d’une part sur les mérites comparés des différents systèmes
éducatifs cantonaux et d’autres part de raisonner de façon plus générale sur les conditions
de production des compétences et des inégalités.
Ce texte a donc pour objectif de mettre au jour les mécanismes scolaires qui sont au
principe de l’efficacité et de l’équité de chaque système éducatif cantonal. Pour atteindre cet
objectif, nous ne partons pas de rien. Les travaux sur les liens entre systèmes éducatifs et
production des inégalités sont nombreux dans la littérature internationale et nous en
utiliserons quelques-uns dans ce texte. Outre les classiques de la sociologie de l’école
(Jencks, 1979; Coleman et al., 1966), nous pensons aux travaux de Gamoran & Mare (1989)
sur les conséquences des filières dans l’enseignement secondaire, ou encore ceux de
Kerckhoff (1986) sur le cas de la Grande-Bretagne. Nous pensons aussi aux travaux issus
de l’analyse des enquêtes Pisa dont les sources d’inspiration théoriques et méthodologiques
sont très proches des nôtres (Monseur & Crahay, 2008 ; Marks, 2006, Felouzis, 2009).
L’enquête « Pisa Suisse » constitue le cadre empirique de cet article (OFS-CDIP,
2005). Elle a consisté à recueillir, sur le modèle des enquêtes « Pisa international », les
compétences des élèves en mathématiques, en lecture et en culture scientifique, avec la
particularité de n’interroger que des élèves scolarisés en classe de 9ème , ce qui correspond
en Suisse à la dernière année de scolarité obligatoire. Tous les cantons n’ont pas participé à
l’enquête. Seuls 12 sur 26 sont dans ce cas. On sait que les enquêtes Pisa, par souci de
comparer des systèmes éducatifs très disparates sur l’ensemble du globe, interrogent des
élèves de 15 ans, quel que soit leur niveau de scolarisation et leur filière. Dans le cas
1 Pour citer ce texte : Felouzis G., Charmillot S., Fouquet-Chauprade B., Systèmes éducatifs et
inégalités scolaires en Suisse. Une analyse de l’enquête PISA 2003, Unige, Ggape, Working Paper,
octobre 2009
L’

2
Suisse, cet impératif de la comparaison saute dès lors que les systèmes éducatifs cantonaux
sont assez semblables pour être comparés à un niveau scolaire donné. Le choix a donc été
fait de questionner un échantillon représentatif par canton d’élèves scolarisés en 9ème. On a
ainsi les moyens de comparer les systèmes éducatifs cantonaux et de comprendre comment
chaque système tend à produire un niveau de compétence et d’inégalité qui lui est propre
(Moser & Berweger, 2005 ; Nidegger, 2008). On peut de ce fait raisonner sur les effets de
contexte liés aux modes de regroupement des élèves dans des filières plus ou moins
sélectives et homogènes du point de vue social et académique. Dans la lignée des travaux
sur la School effectiveness (Angus, 1993 ; Thrupp, 1995), nous questionnerons donc les
capacités comparées des politiques éducatives cantonales à être efficaces et équitables.
Encadré 1 : Pisa Suisse : enquête, méthode, variables
L’enquête Pisa suisse permet une comparaison entre cantons du point de vue des
compétences dans trois domaines : la lecture, les sciences et les mathématiques. L’échantillon est
construit de façon à être représentatif de l’ensemble des élèves scolarisés en 9ème dans les douze
cantons de l’enquête : Argovie, Berne, Fribourg, Genève, Jura, Neuchâtel, Saint-Gall, Thurgovie,
Tessin, Vaud, Valais, Zurich. Dans la suite de ce texte, nous distinguerons les parties alémaniques et
romandes de deux cantons : Berne et Valais.
Les questionnaires et les tests sont les mêmes que dans l’enquête Pisa internationale, et les
critères de passation et de codage des réponses obéissent à la même rigueur méthodologique. En
tout, près de 20 000 élèves suisses représentatifs de l’ensemble des élèves de chaque canton de
l’enquête, sont questionnés sur les domaines suivants :
- Leurs caractéristiques personnelles (leur milieu familial, âge, sexe, possessions dans leur
foyer, etc.) dont l’ « index socioéconomique » qui mesure le statut économique, social et culturel de
l’élève. Il synthétise pour cela les informations suivantes : Le statut professionnel et le niveau de
formation le plus élevé des deux parents ainsi que le patrimoine culturel familial).
- Leur attitude envers l’enseignement et les matières (en 2003, les mathématiques sont le
domaine majeur)
- Leurs compétences mesurées par des tests en lecture, sciences et mathématiques (domaine
majeur de 2003)
La description précise des modalités de constitution de l’échantillon, de passation des tests et
des questionnaires, et de constitution des bases de données sont décrites dans les quatre
publications suivantes :
OCDE, Apprendre aujourd’hui, réussir demain. Premiers résultats de Pisa 2003, Paris, 2004.
OCDE, Pisa 2003. Data Analysis Manual, Paris, 2005.
OFS-CDIP, Pisa 2003 : compétences pour l’avenir, Neuchâtel, 2005
Nidegger C., (coord.), Compétences des jeunes romands. Résultats de la troisième enquête PISA
auprès des élèves de 9e année, Neuchâtel, IRDP, 2008.

3
1. L’état des inégalités scolaires en Suisse
La sociologie de l’éducation, on le sait, a pris pour objet les inégalités dans leurs
relations avec les systèmes éducatifs. Ce que les anglo-saxons appellent le schooling
renvoie à cette idée qu’Émile Durkheim (1938) inaugurait dans ses cours au tout début du
20ème siècle, et publiés sous le titre l’Évolution pédagogique en France : les systèmes
éducatifs proposent des formes scolaires qui influent sur les modalités concrètes et les
conséquences de l’éducation sur les individus. Les recherches actuelles dans le domaine ne
disent pas autre chose, même si elles tendent à approfondir les processus éducatifs à
l’œuvre dans l’éducation elle-même (Hallinan, 2000) et à raisonner sur des critères multiples
d’inégalités. L’origine sociale garde certes un poids très fort dans la définition des
performances et des parcours scolaires, mais d’autres dimensions ont une capacité propre à
définir les « destins » scolaires : l’origine ethnique et le genre notamment.
C’est dans cette perspective que nous situons notre propos sur les inégalités scolaires
en Suisse. Comment s’organisent-elles et en fonction de quels critères ? De quoi dépendent-
elles ? En première approximation, nous pouvons raisonner sur les scores moyens par
canton et leur dispersion d’abord entre élèves en indiquant le coefficient de variation2, et
ensuite en fonction de l’index socioéconomique (ESCS). La comparaison s’opère ici à partir
des compétences des élèves mesurées par les tests Pisa en mathématiques3.
TABLEAU 1 : Score moyen et inégalités sociales dans les cantons Suisses
Pisa 2003
Canton
Score moyen du
canton
Coefficient de
variation
Part de variance des
scores expliquée par
l’origine sociale.
(ESCS)
Un point de plus sur
l’échelle économique
sociale et culturelle
implique
Argovie 543 17,5 % 16,4 % 36,2
Berne al 530 16,7 % 9,9 % 27,3
Berne fr 528 15,7 % 10,4 % 28,7
Fribourg 559 14,0 % 4,6 % 17,1
Genève 508 16,9 % 11,7 % 29,3
Jura 539 13,9 % 5,0 % 18,3
Neuchâtel 527 15,1 % 12,5 % 27,7
Saint-Gall 550 15,8 % 16,2 % 35,3
Thurgovie 551 16,5 % 12,8 % 35,1
Tessin 510 15,1 % 10,1 % 24,4
Vaud 524 16,2 % 11,5 % 29,2
Valais al 549 15,1 % 8,7 % 27,7
Valais fr 549 14,2 % 10,0% 26,6
Zurich 536 18,5 % 20,9 % 40,3
Ensemble 535 16,6 % 12,2 % 30,3
Lire ainsi : En Argovie, le score moyen aux tests PISA est de 543, le coefficient de variation de 17,5% indique une dispersion
plus forte que la moyenne des cantons suisses (16,6%), l’origine sociale explique 16,4% de la variance des scores en
mathématiques, une augmentation d’un point sur l’échelle économique, sociale et culturelle implique une augmentation du
score en mathématiques de 36,2 points
Le tableau 1 résume deux dimensions qui permettent de qualifier les systèmes
éducatifs : l’efficacité, mesurée ici par la moyenne des scores, et l’équité, mesurée par les
indices de dispersion d’une part et l’effet de l’index socioéconomique sur le niveau de
compétence en mathématiques d’autre part. Il s’agit là – rappelons le - des compétences des
2 Le coefficient de variation se calcule en divisant l’écart type avec la moyenne. Il permet donc de
comparer la dispersion de moyennes différentes, comme c’est le cas dans le tableau 1.
3 Nous raisonnons dans l’ensemble de ce rapport sur les scores en mathématiques. Les analyses
conduites sur les autres domaines de compétence (lecture et sciences) donnent les mêmes types de
résultats.

4
élèves de 9ème, ce qui explique un score moyen de 535, plus élevé que celui atteint par les
élèves de 15 ans pour la Suisse dans l’enquête internationale Pisa (526).
Du point de vue des scores moyens par cantons, on observe des différences
significatives et fortes. Alors que Fribourg, Thurgovie, Saint-Gall et le Valais ont des scores
largement supérieurs la moyenne Suisse ( ils obtiennent au moins 550), d’autres cantons
dépassent à peine la barre des 500 points, comme le Tessin et Genève. Ces contrastes ne
manquent pas d’intérêt, au plan politique comme sociologique. Car ils montrent que les
systèmes éducatifs proposés dans chaque canton n’ont pas le même niveau d’efficacité et
que cela doit être mis en relation avec la nature du système éducatif. Peut-on « expliquer »
ces contrastes par le degré de segmentation des filières ? Par les procédures d’orientation et
l’âge du premier palier ? Ou encore peut-on associer ces scores à d’autres dimensions liées
au public scolarisé dans chaque canton : la proportion de migrants parmi les élèves, le
niveau socioéconomique moyen, etc. En d’autres termes on se demandera, dans la suite de
cette analyse, si l’on peut ramener ces inégalités cantonales à des effets de contexte (la
nature des systèmes éducatifs qui prévalent dans chaque canton) ou des effets de
composition, liés à la nature du public scolarisé (par exemple 40 % des élèves genevois sont
immigrés et cela peut jouer un rôle dans le niveau moyen de compétence dans ce canton).
Mais le niveau moyen des scores des élèves n’est qu’une première mesure des effets
des systèmes éducatifs. Les inégalités de compétences entre individus, ici mesurées par le
coefficient de variation, donnent à voir des résultats tout aussi contrastés, bien que de façon
différente, entre cantons. Certains sont en effet plus égalitaires que d’autres, au sens où les
différences d’acquis entre élèves y sont plus faibles. Le Jura, Fribourg et le Valais
francophone sont les cantons où les compétences des élèves sont les plus homogènes (le
coefficient de variation est d’environ 14%, bien plus faible que la moyenne). Dans deux
autres cas, les contrastes entre élèves sont beaucoup plus élevés que dans la moyenne
Suisse : il s’agit d’Argovie et de Zurich avec respectivement 17,5% et 18,5% contre 16,6%
en moyenne. De tels résultats ne manquent pas d’interroger le sociologue de l’école, et nous
faisons l’hypothèse que ces inégalités sont liées à la forme scolaire qui prévaut dans ces
cantons. Peut-on voir dans la filiarisation plus ou moins poussée dans chaque canton une
propension à produire plus ou moins d’inégalités individuelles dans les acquis scolaires ?
C’est ce que la littérature internationale sur la question tend à montrer (Gamoran & Mare,
1989 ; Kerckhoff, 1985 ; Monseur et Crahay, 2008). Toutefois, il nous faut, avant
d’entreprendre une approche interprétative, aller plus avant dans la description des
inégalités.
Au-delà des inégalités entre individus, dont Christopher Jencks (1979) a montré toute
l’importance pour qualifier la nature et le fonctionnement des systèmes scolaires, il est
important de mesurer les effets des caractéristiques sociales des individus sur leurs
compétences. Cet effet est mesuré dans le tableau 1 par la corrélation entre le score en
mathématiques d’une part et l’index socioéconomique de l’autre. Nous donnons ici la part de
variance des scores expliquée par l‘index socioéconomique (le r2 * 100) et la pente de la
droite des moindre carrés, qui se lit comme l’augmentation du score moyen lorsque l’index
socioéconomique augmente d’un point4. On voit que l’origine sociale a un poids très
contrasté en fonction du canton dans la définition des compétences des élèves. En moyenne
la part des scores expliquée par l’index ESCS est de 12,2 %, mais elle est de plus de 20 % à
Zurich (qui confirme sa position de canton scolairement très inégalitaire) et autour de 16 %
en Argovie et Saint-Gall. Cela signifie que les inégalités sociales dans ces cantons sont bien
plus marquées qu’ailleurs en Suisse. Inversement, le Jura, Fribourg, le Valais et le Tessin
ont des inégalités bien plus faibles (entre 5 % et 10 % de variance expliquée par cette
variable). Ce résultat est confirmé par la dernière colonne du tableau 1: à Zurich, un point
4 L’index socioéconomique est une variable centrée et réduite, de moyenne « 0 » et d’écart type « 1 ».
Une unité supplémentaire signifie donc ici un écart type supplémentaire.

5
supplémentaire sur l’index socioéconomique induit en moyenne 40 points de plus en
mathématiques (plus de 35 points à Saint-Gall, Argovie et Thurgovie), alors qu’à Fribourg et
dans le Jura, les scores n’augmentent que de 17 à 18 points. Cela signifie que certains
cantons – en général alémaniques - sont socialement bien plus inégalitaires que d’autres.
Dans ce paysage des inégalités académiques suisses, Genève tient une position moyenne :
les inégalités individuelles et sociales ne sont ni plus ni moins fortes que dans la moyenne
nationale.
Cette première description donne à voir tous les contrastes des systèmes éducatifs
suisses, du point de vue de leur efficacité comme de leur équité différentielle. On ne peut
toutefois se satisfaire de cette première description, tant il est vrai que les inégalités
scolaires relèvent de mécanismes complexes, que seule une approche analytique peut
éclaircir. Les inégalités sociales par exemple ne sont pas indépendantes d’autres inégalités
– liées au genre, au statut migratoire, etc.- dont on peut questionner l’influence respective
sur les compétences des élèves. Mais une approche analytique des inégalités peut aussi
apporter des éléments d’analyse sur la comparaison entre systèmes éducatifs cantonaux en
testant l’hypothèse d’effets de composition. Les scores moyens par canton ne sont en effet
que la somme des compétences individuelles qui dépendent aussi, on le sait, des
caractéristiques des individus. Or, si l’on veut comprendre l’efficacité différentielle des
systèmes éducatifs cantonaux, il nous faut prendre en compte la nature du public de chaque
canton.
Le tableau 2 procède d’une analyse de régression (General Linear Model) qui
considère simultanément cinq variables dont on sait qu’elles agissent de façon significative
sur les compétences en mathématiques. Il s’agit du niveau socioéconomique, du statut
migratoire, de l’âge, du canton et du genre. Comment, et à quel degré, ces cinq dimensions
influencent-elles les scores des élèves en mathématiques ? La réponse est donnée par la
part de variance expliquée par chaque variable dans le modèle de régression. Lorsqu’on
considère simultanément ces cinq variables, la plus explicative, et de loin, est l’index
socioéconomique des élèves. Toutes choses égales par ailleurs, l’ESCS explique plus de 10
% des scores en mathématiques, loin devant le canton (5,1 %), le statut migratoire (4,7 %),
le genre (3,1 %) et l’âge (3 %). Un point de plus sur l’échelle de statut socioéconomique
implique près de 27 points de plus aux tests Pisa. Sans surprise, les inégalités scolaires en
Suisse obéissent donc aux mêmes lois que dans les autres pays : le niveau
socioéconomique a, toutes choses égales par ailleurs, un poids déterminant dans la
définition des apprentissages et des parcours scolaires.
Le statut migratoire, bien que moins explicatif de la variance, a un effet très fort sur les
scores. Les « natifs »5 ont en moyenne 52 points de plus que les migrants de première
génération, et ceci toutes choses égale par ailleurs, c’est-à-dire en neutralisant les effets du
niveau social notamment. Le genre est aussi significatif avec de moindres compétences en
mathématiques pour les filles (- 28 points environ). Dans les autres domaines de
connaissance testés par Pisa (et notamment en lecture) les inégalités sont au détriment des
garçons, ce qui laisse penser que les stéréotypes genrés gardent un poids très fort dans la
définition des parcours et des acquisitions scolaires. Enfin l’âge des élèves est corrélé
négativement aux compétences : plus les élèves sont précoces, plus ils sont performants en
mathématiques et inversement pour les plus âgés. Nous reviendrons à cet effet de l’âge
individuel à propos des inégalités cantonales de réussite.
5 La variable « natif » est définie ici en fonction de la variable « Country of birth » de Pisa. Trois
catégories sont définies dans cette dernière variable : natif (né suisse de parents nés en suisse),
deuxième génération (né en suisse de parents né hors de suisse) et première génération (né hors de
suisse de parents nés hors de suisse). Notre variable « Natif » code 1 les natifs et 0 les premières et
deuxièmes génération.