Sélectionner pour mieux régner
Enquête sur les algorithmes locaux de Parcoursup

🔊 Écouter

Depuis la mise en œuvre de Parcoursup en 2018, toutes les filières universitaires ont l’obligation de produire un classement des candidats afin de sélectionner leurs futurs étudiants. Si cette réforme a fait couler beaucoup d’encre, peu de travaux se sont penchés sur les algorithmes locaux conçus par chaque formation. Ces derniers sont pourtant responsables de l’essentiel de la sélection opérée¹, et déterminent donc la nature des éventuelles discriminations qui en découlent. En effet, si les rectorats imposent des taux minimaux de boursiers, de résidents de l’académie et de bacheliers non généraux, la plateforme Parcoursup se contente de récupérer les classements proposés par les formations universitaires, de les modifier pour qu’ils respectent ces taux : il n’y a pas d’algorithme de classement national². Les places dans les formations sont proposées aux candidats les mieux classés par ces dernières, puis, au gré des refus successifs, aux étudiants placés plus bas dans le classement, jusqu’à ce que toutes les places soient prises.

Cet article prend le contrepied de la tendance générale pour s’intéresser à ce que font les algorithmes locaux. Il s’appuie sur une enquête qualitative (une douzaine d’entretiens et trois observations) menée auprès de trois formations universitaires : une licence de sciences politiques parisienne, une licence de sciences politiques de banlieue parisienne, et un IUT de communication localisé en province. Le résultat de la recherche est à la fois paradoxal et sans appel : les algorithmes locaux sont aux antipodes des valeurs des professeurs qui les conçoivent.

Si, malgré leur posture de concepteurs et les nombreux capitaux (sociaux, culturels et techniques) dont ils bénéficient, des professeurs d’université n’ont pas réussi à produire un dispositif de classement qui les satisfait, il semble légitime de s’interroger sur les conditions de production d’un algorithme fidèle à des valeurs et/ou principes.

À travers l’analyse des épreuves traversées par les professeurs, nous montrerons que la maîtrise d’un algorithme ne peut pas se penser seulement comme un acte technique, dépendant des concepteurs et des possibilités d’une interface. Au-delà des principes défendus par ceux qui le conçoivent, un algorithme est le résultat de contextes organisationnels qui le dépassent et le contraignent.

^{De quoi les algorithmes locaux sont-ils le nom ?}

La plupart des algorithmes locaux sont des boîtes noires. En effet, il est très rare que les établissements partagent avec les candidats le processus de classement, et ce, pour diverses raisons : cela évite les recours, les professeurs ne savent pas toujours bien ce que « fait » l’algorithme local, et il est difficile, voire dangereux, de s’exprimer sur un sujet d’actualité aussi brûlant. La question demeure alors : les algorithmes locaux sont-ils coupables des maux dont on les accuse ? La sélection qu’ils mettent en place est-elle discriminatoire, et, si oui, à quel titre ?

Premièrement, les algorithmes locaux opèrent une sélection scolaire. En effet, ceux que nous avons étudiés utilisent les notes en lycée des candidats (fournies par la plateforme Parcoursup) pour calculer une moyenne et classer ces derniers. L’importance des moyennes dans le classement final varie considérablement selon la formation. Dans le cas de la licence de banlieue parisienne, les moyennes sont la base du classement final, qu’elles produisent quasiment automatiquement. À l’inverse, dans la licence parisienne et l’IUT, les moyennes correspondent à une première étape de sélection, qui permet de diminuer le nombre de dossiers en lice afin d’étudier qualitativement les plus prometteurs. Dans ces deux cas, la moyenne fonctionne comme un seuil : en dessous d’une certaine moyenne générale (respectivement 10 pour l’IUT et plus de 15 pour la licence parisienne), les dossiers sont automatiquement éliminés³.

Ce mode de classement (par les notes) est surprenant car, au cours des entretiens, les professeurs des trois filières se sont dit hostiles au principe d’une sélection automatique. Ils ont par ailleurs affirmé⁴ à plusieurs reprises que le fait d’avoir de bons résultats au lycée n’était en aucun cas prédictif de la réussite à l’université : d’abord, parce que les différences de moyennes résultent souvent de différences de notation⁵ et, ensuite, parce que le plus important est la « motivation⁶ » :

« On peut avoir un très bon dossier, sortir 1^er de l’algorithme, mais si votre motivation pour faire une licence de sciences politiques, c’est que vous voulez être notaire ou passer le concours de commissaire de police, c’est peut-être pas vous rendre un bon service que de vous prendre. »

[Entretien avec l’ancien directeur d’UFR de la licence parisienne, 15/12/2020]

Ces propos ne relèvent pas simplement d’un discours, ils sont appuyés par des faits. Ainsi, dans les trois formations observées, lorsque les professeurs évaluent des dossiers « à la main », ils se focalisent sur des critères qualitatifs considérés comme révélateurs de la motivation, tels que le projet professionnel, la lettre de motivation, l’intérêt pour les spécificités de l’université, ou encore, dans le cas de l’IUT, des documents supplémentaires produits par les candidats⁷. Pourtant, les trois algorithmes étudiés correspondent en grande partie à un classement automatique basé sur les notes obtenues au lycée, processus qui correspond parfaitement au principe d’une sélection scolaire.

Deuxièmement, et par extension, les algorithmes locaux opèrent une sélection sociale. En effet, la réussite scolaire est très fortement corrélée à l’origine sociale, et sélectionner via une moyenne peut conduire à l’élimination de candidats socialement défavorisés. Les professeurs d’université, a fortiori ceux auprès desquels nous avons enquêté (des professeurs pour la plupart formés en sciences sociales), sont conscients de ce risque, et se sont unanimement déclarés hostiles à la possibilité d’une sélection sociale. Cependant, malgré cet accord de principe, on peut distinguer des variations assez importantes dans la posture des différents enseignants interrogés.

Dans l’université de banlieue parisienne, avant même qu’un comité Parcoursup soit formé, les professeurs avaient décidé de ce qu’ils souhaitaient mettre en œuvre. Johannes se souvient ainsi qu’avant même que l’algorithme soit pris en charge par les professeurs, ces derniers s’étaient mis d’accord sur le fait de prendre le contre-pied d’un dispositif jugé discriminant :

« Je me souviens très bien qu’on avait beaucoup de discussions sur comment gérer les attentes du logiciel, parce qu’on était à la quasi-unanimité contre la réforme, donc on s’était demandé si on pouvait pas pervertir, […] on s’était demandé si on pouvait pas mettre comme critère d’admission le fait d’être boursier. »

[Entretien avec Johannes, maître de conférences dans la licence de banlieue parisienne, 27/01/2021]

Dans le cas de la licence parisienne, les professeurs de la commission n’étaient pas tous opposés strictement au principe de sélection. Dans l’idée d’avoir des étudiants capables de réussir leur formation, ils ont voulu mettre en place un dispositif favorisant les candidats ayant de bons résultats scolaires. Cependant, conscients des discriminations que ce dispositif aurait pu renforcer, ils se sont accordés pour garantir un taux élevé de boursiers dans le haut du classement.

En toute logique, la mise en avant d’un dispositif de sélection favorisant les boursiers aurait dû être observée en priorité dans la licence de banlieue parisienne, où la dénonciation d’une potentielle discrimination sociale liée à Parcoursup a été la plus virulente. Cependant, et de manière assez paradoxale, l’algorithme local de cette formation ne prend aucunement en compte les critères sociaux. À l’inverse, dans la licence parisienne, où le principe de sélection était pourtant plus admis, l’algorithme mis en œuvre assure une proportion de boursiers d’au moins un tiers. Néanmoins, ces boursiers sont sélectionnés exclusivement parmi les meilleurs candidats. En tout état de cause, les trois algorithmes étudiés peuvent donc être accusés de mettre en œuvre de la sélection sociale.

^{Les universités contraintes par l’État}

Si les algorithmes locaux ne correspondent pas aux valeurs de ceux qui les conçoivent, cela peut s’expliquer par des contraintes auxquelles ils sont systématiquement confrontés. Les universités ont été soumises à la réforme, dans un contexte de contestation souvent très virulente, et leur marge de manœuvre est donc réduite. Ainsi, les enseignants des filières étudiées étaient dans leur majorité opposés à la mise en œuvre de Parcoursup.

Au-delà de la sélection à l’université, y compris dans les filières « non sélectives », Parcoursup a exigé la mise en œuvre d’algorithmes locaux, et a imposé aux professeurs un travail et une responsabilité qui ne se sont pas accompagnés, dans la plupart des cas, de l’attribution de ressources supplémentaires. Or, la réforme a été menée dans un contexte où les moyens et le temps faisaient déjà défaut au personnel des universités⁸. De plus, procéder au classement des étudiants est une responsabilité lourde à porter⁹ qui va parfois à l’encontre des valeurs professorales¹⁰. C’est ce que nous avons observé sur le terrain, puisque la plupart des professeurs d’université interrogés se sont déclarés formellement opposés au principe même de sélection¹¹.

Face à cette situation, les professeurs avaient le choix entre trois solutions : refuser la sélection en acceptant tous les candidats à leur formation, refuser d’appliquer la réforme et laisser l’administration se charger du classement, ou appliquer la réforme et mettre en œuvre collectivement un algorithme local.

En adoptant la première solution, et donc, en acceptant tous les candidats, les formations prennent le risque que tous (ou une grande partie d’entre eux) viennent effectivement. Dans les formations en tension, cela n’est pas possible et remettrait en cause l’existence même du cursus. La deuxième solution pour contrer la réforme était de refuser la mise en place d’un algorithme local. En 2018, c’est la solution qui a été adoptée par la licence de banlieue parisienne étudiée. Cependant, ce refus implique que l’administration se charge elle-même de classer les étudiants, et donc que la sélection fonctionne bel et bien même si les professeurs refusent de s’en mêler. Il s’agit donc d’une « action faussement radicale » (d’ailleurs remise en cause dès l’année suivante), comme le souligne une des professeures de la licence ayant fait ce choix :

« La première année, en 2018, on a décidé qu’on n’appliquerait pas […] C’était une action faussement radicale, parce qu’en vrai, c’est la présidence de l’université qui a quand même fait un peu de paramétrage. »

[Entretien avec Béatrice, professeure dans la licence de banlieue parisienne, 19/02/2021]

On peut questionner la possibilité pour les universités de mettre en œuvre une « vraie » révolte : lorsque l’établissement d’un algorithme correspondait effectivement à une sélection des candidats (à savoir, dans les formations en tension), un classement a été établi, par les professeurs ou par l’administration.

Parcoursup a donc laissé aux professeurs le choix entre une révolte symbolique et une acceptation parfois forcée. Cette situation peut se comprendre comme une réaffirmation du pouvoir de l’État central sur les universités¹², et une délégation de la responsabilité du refus des étudiants en licence (jusque-là, dans les filières non sélectives en tension, APB¹³ procédait à un tirage au sort). En tout état de cause, elle fournit un premier élément d’explication à notre paradoxe : les algorithmes ont certes été conçus par les professeurs, mais ces derniers les ont programmés contraints et forcés, et dans un contexte de manque de ressources.

À cela, il convient d’ajouter que la plateforme Parcoursup, imposée par l’État, contraint la manière dont les algorithmes locaux fonctionnent. En effet, si elle donne accès à un grand nombre d’informations, à la fois quantitatives (notes aux épreuves anticipées du baccalauréat, bulletins de première et de terminale) et qualitatives (appréciations, fiche Avenir, éventuel statut de boursier…), elle ne permet pas d’utiliser toutes ces données de la même manière. Notamment, il n’est pas possible de programmer sur l’interface une sélection qui mettrait en avant les boursiers (sans doute parce que le taux minimal de boursiers est de toute façon imposé par les rectorats qui réarrangent les classements si besoin).

Ces limites, imposées aux professeurs, sont renforcées par des difficultés d’usage de la plateforme ; même quand certaines choses sont possibles, il n’est pas toujours aisé de les mettre en œuvre :

« Je sais pas si vous avez eu l’occasion de la voir, l’interface Parcoursup admin, mais c’est un truc un peu roots, […] on a vraiment l’impression d’être sur un système soviétique des années 80, donc ça nécessite vraiment un effort quand on n’a pas le niveau technique de tous ces outils de bases de données. »

[Entretien avec Julien, maître de conférences dans l’IUT, 4/12/2020]

Il est intéressant d’analyser cette description en regard du profil de Julien, qui a de bonnes connaissances en informatique. Le fait qu’il considère que la plateforme est difficile d’accès est donc assez significatif. Cela est lié au fait que Parcoursup présente des caractéristiques plus ou moins masquées, avec des onglets, des sous-onglets, etc., qui induisent une complexité, même pour ceux qui maîtrisent les outils techniques sans difficulté. Ainsi, Olivier, maître de conférences dans l’université parisienne, a souligné que la rigidité de la plateforme limitait les possibilités de classement par les professeurs :

« On pouvait s’accorder sur les principes, mais les principes pouvaient buter sur la technique. Je peux manipuler des données, mais je suis pas non plus ingénieur technicien, je voyais le moment où on allait me demander des trucs tellement complexes que je pourrais pas les faire. »

[Entretien avec Olivier, maître de conférences dans la licence parisienne, 7/12/2021]

On peut conclure de ces considérations que la nature des algorithmes locaux est fortement contrainte par la plateforme nationale. De plus, les limites imposées aux professeurs sont doubles : dans un premier temps, les algorithmes locaux sont contraints par les possibilités de la plateforme Parcoursup ; dans un deuxième temps, les classements produits par les professeurs sont modifiés a posteriori pour correspondre aux quotas fixés par les rectorats.

^{Variations locales des algorithmes}

L’obligation de mettre en œuvre un classement en utilisant la plateforme nationale permet d’expliquer que les professeurs mettent tous en œuvre des algorithmes dont ils sont mécontents, voire qui s’opposent radicalement à leurs valeurs. Cependant, cela ne permet pas d’expliquer les variations locales (parfois paradoxales) que nous avons observées.

Ainsi, alors que les professeurs de la licence de banlieue parisienne étaient les plus opposés à la réforme et au principe de la sélection, ils sont également les seuls de l’échantillon à avoir mis en œuvre un algorithme fonctionnant comme une moyenne pondérée.

Pour expliquer cela, on peut tout d’abord se pencher sur la question de l’organisation du travail. En effet, formuler un algorithme local n’est possible qu’au prix d’une organisation relativement complexe. Dans les trois formations étudiées, un « comité Parcoursup » a été formé afin de remplir cette tâche et, au sein de ce dernier, un « paramétreur¹⁴ » a été nommé.

L’organisation nécessaire à la nomination des membres de la commission, et à la distribution des tâches entre ces mêmes membres peut s’avérer plus ou moins difficile selon les contextes. L’étude qualitative, bien qu’elle ne porte que sur trois formations, a permis d’observer une grande diversité dans ce domaine. Ainsi, dans le cas de la licence de banlieue parisienne, les tâches administratives sont distribuées aux différents professeurs sur la base d’un « volontariat contraint », qui suppose un roulement des charges administratives. Ce roulement doit permettre que chacun prenne sa part mais, comme l’a souligné Johannes, cette organisation n’est pas très efficace, et certains « tirent au flanc » :

« Après, ce qui joue aussi, c’est qu’il y a des collègues qui, sur plein de questions, s’investissent, et il y en a d’autres qui ne s’investissent pas, […] c’est pas comme si l’ensemble des collègues viendraient en renfort, sauraient même ce qui se passe au quotidien. »

[Entretien avec Johannes, maître de conférences dans la licence de banlieue parisienne, 27/01/2021]

La prise en charge de tâches ingrates repose donc sur un nombre de personnes plus restreint encore : ceux qui prennent réellement en charge les responsabilités qui leur sont attribuées. Ceci étant posé, il apparaît clairement qu’une telle organisation du travail ne permet pas la mise en œuvre de procédés complexes, et suppose que les tâches prises en charge par les professeurs soient réduites au minimum. Bien évidemment, l’examen qualitatif des dossiers, et l’établissement d’un procédé technique complexe pour mettre en avant les boursiers, font partie des tâches chronophages difficilement réalisables dans ce contexte.

Dans le cas de l’IUT, la situation apparaît relativement similaire. Le travail imposé à la commission Parcoursup n’est pas également pris au sérieux par l’équipe pédagogique ; en cela, on peut souligner des similitudes avec la situation de la licence de banlieue parisienne telle que décrite par plusieurs enquêtés. Cependant, la différence importante dans le cas de l’IUT est que trois professeurs « historiques » sont investis dans le comité, et encadrent le travail. Ces trois professeurs, Pierre, Julien et Édith, ont activement participé au comité Parcoursup observé, et semblaient investis dans le choix des critères retenus. Les professeurs nouvellement arrivés dans le comité peuvent faire appel à ces professeurs, habitués au processus. De plus, le cadre général de l’évaluation est déterminé collectivement, et les professeurs faisant partie de la commission doivent évaluer conformément à ce qui a été décidé.

Enfin, dans le cas de la licence parisienne, il semble que l’organisation soit assez rigide : le comité Parcoursup a été constitué, conformément à des suggestions de l’ancien directeur d’UFR, par la présidence de l’université. Dans cette formation, il n’a pas été possible d’assister au comité Parcoursup, ce qui limite les analyses possibles. Néanmoins, la manière dont le comité a été formé (par la présidence de l’université dans le cadre d’un conflit ouvert), et les membres qui le composent (un jeune maître de conférences très compétent en traitements quantitatifs, des « pointures » dont la présence au comité est incontestable, d’autres professeurs en accord avec la mise en place d’un algorithme local…) nous fait supposer qu’il s’agit d’une organisation assez rigide et rodée, qui permet l’élaboration d’un dispositif complexe.

Les algorithmes locaux sont donc formulés dans ces contextes plus ou moins propices. Lorsque peu de personnes sont disponibles, peu de personnes sont impliquées, ce qui signifie deux choses : d’une part, la mise en place d’une sélection nécessitant beaucoup de travail est impossible ; d’autre part, la plupart des professeurs ignorent la manière dont leur algorithme local fonctionne. Cela explique que, de manière globale, des procédés rudimentaires soient mis en place, pour des raisons de manque de moyens. Et cela permet également de comprendre pourquoi les professeurs ne se révoltent pas plus contre le fonctionnement des algorithmes locaux : ils sont supposés en être responsables, mais n’en connaissent que rarement les détails, et préfèrent ne pas se pencher sur la question pour éviter une charge de travail supplémentaire. Enfin, cela nous permet de comprendre les variations locales que nous avons observées : dans la licence de banlieue parisienne, où l’organisation est la moins rodée, il était impossible de mettre en œuvre un processus de sélection plus complexe qu’une moyenne pondérée.

L’exemple des algorithmes locaux de Parcoursup nous apprend deux choses. D’une part, les concepteurs des algorithmes ne sont pas toujours en mesure d’inscrire leurs valeurs dans le fonctionnement de ces derniers. L’interface technique limite le champ des possibles, tout comme la nature des données disponibles. D’autre part, les algorithmes sont contraints par les contextes organisationnels et sociaux dans lesquels leurs concepteurs sont pris. Les concepteurs des algorithmes ne sont pas de purs esprits, mais des personnes engagées dans des relations multiples et des réseaux de pouvoir asymétriques.

Ensemble, ces deux enseignements expliquent que des algorithmes puissent avoir des fonctionnements opposés aux valeurs de leurs concepteurs. En cela, un algorithme ne se distingue pas fondamentalement d’un autre objet. Dès lors, si une critique des algorithmes semble nécessaire, elle est insuffisante sans une critique plus générale du fonctionnement de la société et des contextes sociaux dans lesquels les algorithmes sont produits. Un algorithme éthique peut difficilement émerger d’un monde qui ne l’est pas.

A lire plus tard