Étiquette : statistiques

Apprentissage dans l’enseignement supérieur en France 2025 : 657 900 apprentis, BTS, BUT et licence pro en chiffres

Au 31 décembre 2024, 657 900 étudiants préparaient un diplôme de l’enseignement supérieur en apprentissage dans un centre de formation d’apprentis (CFA), selon la Note Flash SIES N° 2025-21 publiée par le Ministère de l’Enseignement supérieur en septembre 2025. Ce chiffre représente une hausse de 3 % sur un an et de 14 % sur deux ans — un rythme très différent des années 2020-2022, marquées par une croissance de +78 % en seulement deux ans. L’apprentissage dans l’enseignement supérieur est devenu une réalité structurelle du paysage éducatif français : les apprentis représentent désormais une proportion significative des inscrits dans presque toutes les filières du bac+2 au bac+5.

Cette note statistique présente la pyramide complète des apprentis du supérieur en 2024 : répartition par niveau de formation (STS/BTS, IUT/BUT, licence professionnelle, école de commerce, cycle ingénieur), part du public et du privé, profil social des apprentis, et trajectoire de croissance depuis 2020. Toutes les données citées sont issues de sources officielles (SIES-MESR, Dares, Trésor). Pour replacer ces effectifs dans le paysage plus large des filières sélectives, consultez notre analyse Parcoursup 2025 en chiffres : taux d’admission par filière et sélectivité.

Résultat clé : L’apprentissage dans le supérieur compte 657 900 étudiants fin 2024 (+3 % sur un an). Les STS concentrent près de 30 % des effectifs, devant les titres RNCP (25 %) et les écoles de commerce (17 %). La licence professionnelle affiche le taux d’apprentissage le plus élevé de l’université avec 61 % de ses étudiants en alternance. La croissance, explosive entre 2020 et 2022 (+78 %), s’est fortement modérée depuis 2023 (+3 à +4 % par an).

657 900 apprentis dans le supérieur : le chiffre clé 2024

La Note Flash SIES N° 2025-21, publiée le 11 septembre 2025 par le Ministère de l’Enseignement supérieur, de la Recherche et de l’Espace (MESR), constitue la référence officielle pour les chiffres de l’apprentissage dans l’enseignement supérieur en France au titre de l’année 2024. Au 31 décembre 2024, les CFA accueillaient 657 900 étudiants préparant un diplôme de niveau supérieur (bac+2 et au-delà).

Ce chiffre s’inscrit dans une tendance de ralentissement amorcée dès 2023. Si la croissance reste positive (+3 % sur un an, +14 % sur deux ans), elle est sans commune mesure avec les rythmes observés entre 2018 et 2022, période durant laquelle la réforme de la loi Avenir professionnel de 2018 a libéralisé les conditions d’ouverture des CFA et supprimé le numerus clausus sur les formations habilitées.

À titre de comparaison, l’ensemble de l’enseignement supérieur français compte 3,01 millions d’étudiants en 2024-2025 selon le SIES, ce qui signifie que les apprentis représentent environ 22 % des effectifs totaux du supérieur — un niveau sans précédent historique.

Répartition par type de formation

La structure par formation révèle une concentration marquée dans trois grandes catégories : les STS, les titres RNCP et les écoles de commerce. Le tableau ci-dessous synthétise la répartition des 657 900 apprentis du supérieur selon les données SIES 2024.

Répartition des apprentis du supérieur par type de formation — 31 décembre 2024
Type de formation	Part des apprentis du supérieur	Effectifs estimés
STS (BTS — Sections de Technicien Supérieur)	~30 %	~197 000
Titres RNCP homologués (hors diplômes nationaux)	~25 %	~164 000
Écoles de commerce	17 %	~112 000
Licence professionnelle (université)	non isolé	—
IUT (BUT — Bachelor Universitaire de Technologie)	non isolé	—
Cycle ingénieur (écoles d’ingénieurs)	~12 %	~32 000
Total enseignement supérieur	100 %	657 900

Source : Note Flash SIES N° 2025-21, MESR, septembre 2025. Les effectifs sont estimés en appliquant les parts déclarées. Le SIES ne publie pas de décomposition exhaustive par filière dans la note flash.

Le poids des STS (sections préparant le BTS) est historiquement ancré : la voie technologique courte a très tôt adopté l’alternance comme mode pédagogique. Les titres RNCP homologués, qui désignent les certifications professionnelles enregistrées au Répertoire national des certifications professionnelles sans être des diplômes nationaux, constituent la deuxième catégorie et illustrent la diversification de l’offre de formation privée depuis 2018. Les écoles de commerce, avec 17 % du total, confirment leur positionnement historique sur l’apprentissage en alternance.

Taux d’apprentissage par filière : qui mène la course ?

Au-delà des effectifs bruts, le taux d’apprentissage — proportion d’étudiants d’une filière qui suivent leur formation en alternance — renseigne sur la pénétration structurelle de l’apprentissage dans chaque voie. Les chiffres 2024 du SIES dessinent une hiérarchie claire.

Taux d’apprentissage par filière dans l’enseignement supérieur — 2024
Filière	Taux d’apprentissage 2024	Commentaire
Licence professionnelle	61 %	Filière la plus intégrée à l’alternance en milieu universitaire
Écoles de commerce	34 %	Modèle économique historiquement fondé sur l’alternance
STS (BTS)	~50 %	Près d’un étudiant sur deux en STS est apprenti
Cycle ingénieur	~20 %	Un étudiant sur cinq en école d’ingénieurs en apprentissage
IUT (BUT)	26 %	Progression nette depuis le passage au BUT en 2021

Source : Note Flash SIES N° 2025-21, MESR, septembre 2025 ; Note Flash SIES cycle ingénieur 2024-2025.

Source : EESR n°18 — L’apprentissage dans l’enseignement supérieur, MESR-SIES

La licence professionnelle se distingue nettement : 61 % de ses étudiants sont apprentis, ce qui en fait la formation universitaire la plus étroitement liée au marché du travail. Ce taux élevé s’explique par la vocation même de la licence pro — une formation courte (un an après un bac+2) conçue pour une insertion professionnelle rapide dans un secteur précis. La majorité des étudiants qui y entrent recherchent précisément la double compétence académique et professionnelle que confère l’apprentissage.

Le taux de 50 % en STS mérite d’être mis en perspective : sur les 400 000 étudiants inscrits en STS en France, la moitié est donc en apprentissage — un chiffre qui reflète la forte demande des TPE/PME pour des techniciens supérieurs formés directement sur poste. Les IUT, dont la réforme vers le BUT a allongé la formation à trois ans en 2021, voient leur taux d’apprentissage progresser à 26 %, signe d’une meilleure articulation entre le référentiel de compétences du BUT et les besoins des employeurs.

Les écoles d’ingénieurs affichent un taux de 20 % sur un total de 158 600 inscrits en cycle ingénieur en 2024-2025 — soit environ 32 000 apprentis ingénieurs, un segment à forte valeur ajoutée pour les employeurs du secteur industriel et numérique.

Part du public et du privé dans l’apprentissage du supérieur

La structure institutionnelle de l’apprentissage supérieur révèle une domination marquée du secteur privé. Selon les données SIES, plus de 75 % des apprentis du supérieur sont inscrits dans des établissements privés.

Cette répartition s’explique par plusieurs facteurs structurels :

La prédominance des CFA privés : depuis la loi Avenir professionnel de 2018, n’importe quel organisme de formation peut ouvrir un CFA sans autorisation administrative préalable. Cette déréglementation a favorisé la multiplication des CFA privés spécialisés.
Le poids des écoles de commerce privées : les grandes écoles de commerce (HEC, ESSEC, ESCP, mais aussi les ESC régionales) ont massivement développé leurs programmes en apprentissage depuis 2018, contribuant à une part significative des 112 000 apprentis en école de commerce.
Les titres RNCP hors diplômes nationaux : l’essentiel des formations délivrant des titres RNCP homologués relèvent du secteur privé (organismes de formation professionnelle, CFA d’entreprise).

Le secteur public — universités, IUT publics, lycées accueillant des STS — pèse donc moins de 25 % des apprentis du supérieur, malgré des efforts notables d’ouverture via les CFA universitaires. Cette asymétrie public/privé est un enjeu de politique publique régulièrement débattu : l’accès à l’apprentissage reste plus aisé via les établissements privés, dont les frais de scolarité peuvent être entièrement pris en charge par les OPCO, qu’au sein de l’université publique. Cette dynamique fait écho aux tensions de capacité observées plus largement dans le supérieur, comme le montre notre dossier sur la crise du logement étudiant en France 2025.

Évolution 2020-2024 : accélération explosive puis décélération

La trajectoire de l’apprentissage dans le supérieur sur cinq ans illustre un cycle classique en deux temps : une phase d’expansion rapide portée par la réforme structurelle, suivie d’un plateau de maturité. Le tableau suivant retrace les effectifs annuels estimés.

Évolution des apprentis dans l’enseignement supérieur — 2020 à 2024
Année (au 31 déc.)	Effectifs apprentis supérieur	Croissance annuelle
2020	~324 000	—
2021	~480 000	+48 %
2022	576 300	+20 %
2023	~576 900 – 638 000	~+8 %
2024	657 900	+3 %

Sources : Note Flash SIES N° 2025-21 (données 2024) ; Note Flash SIES N° 2024-22 (données 2022-2023) ; Direction de l’évaluation, de la prospective et de la performance (DEPP), données Éducation nationale pour 2022. Les chiffres 2020-2021 sont des estimations déduites du taux de croissance +78 % sur deux ans confirmé par le SIES.

La rupture de rythme est manifeste. Entre 2020 et 2022, le volume d’apprentis du supérieur a été multiplié par 1,78 en deux ans, soit une croissance cumulée de +78 %. Ce choc d’offre résulte de la convergence de trois facteurs : la simplification administrative ouverte par la loi Avenir professionnel de 2018, les aides exceptionnelles à l’embauche d’apprentis mises en place en 2020 (aide pouvant aller jusqu’à 8 000 € pour les contrats dans le supérieur), et une demande étudiante structurellement forte face aux incertitudes du marché de l’emploi post-Covid.

Depuis 2023, la décélération est nette : +3 % en 2024, contre +48 % en 2021. Plusieurs raisons expliquent ce plateau :

Réduction des aides à l’embauche : le montant de l’aide unique aux employeurs d’apprentis a été revu à la baisse à partir de 2023 pour les contrats dans le supérieur (formations bac+3 et au-delà).
Saturation des capacités d’accueil : un nombre croissant de CFA signalent des difficultés à trouver suffisamment d’entreprises maîtres d’apprentissage, notamment dans les métropoles où la concurrence pour les postes est forte.
Stabilisation de la demande : le nombre d’employeurs recrutant des apprentis du supérieur, qui avait atteint un pic de 90 600 structures en 2021, est redescendu à 66 800 en 2024 selon les données Dares.

Nouveaux contrats signés et dynamique du marché

À l’échelle nationale, tous niveaux confondus (secondaire et supérieur), 879 000 nouveaux contrats d’apprentissage ont été signés en 2024, portant le stock total à plus d’un million d’apprentis en contrat actif fin 2024. Ce chiffre marque un quasi-triplement par rapport aux 306 000 contrats signés en 2017, année précédant la réforme.

Dans le supérieur spécifiquement, 62 % des nouveaux contrats signés en 2023 concernaient des formations de niveau bac+2 et au-delà, confirmant l’inversion structurelle du mix niveau amorcée autour de 2021 : l’apprentissage est désormais davantage un fait du supérieur que de la formation professionnelle initiale secondaire.

Point de vigilance : La réduction des aides à l’embauche pour les contrats supérieurs bac+3 introduite en 2023 a entraîné un reflux de la demande. Des signaux de ralentissement plus prononcé pourraient apparaître dans les données 2025, notamment sur les segments master et cycle ingénieur.

Les données SIES apportent un éclairage nuancé sur l’origine sociale des apprentis dans le supérieur. La lecture simple — « l’apprentissage favorise la démocratisation de l’enseignement supérieur » — doit être pondérée selon les filières.

Dans les formations d’ingénieur et dans les écoles de commerce, les apprentis sont en moyenne d’origine sociale moins favorisée que leurs homologues en formation initiale classique (dits « scolaires »). Cet effet est structurel : pour une famille dont les ressources ne permettent pas de financer 3 à 5 ans de frais de scolarité dans une grande école privée, l’apprentissage constitue la voie d’accès principale, les coûts étant pris en charge par l’OPCO via la prise en charge du coût pédagogique.

En revanche, dans les formations universitaires (IUT, licence professionnelle), le profil social des apprentis est comparable à celui des étudiants en formation initiale. L’université étant moins chère d’accès, l’apprentissage y est choisi pour ses avantages pratiques (rémunération, expérience professionnelle) plutôt que comme unique voie d’accès financièrement accessible.

Ce constat suggère que l’apprentissage joue un rôle de démocratisation différentielle : il ouvre des portes dans les grandes écoles à des publics qui n’y auraient pas accès autrement, mais il ne modifie pas fondamentalement la composition sociale de l’université publique. Sur les débouchés à plus long terme des parcours du supérieur, notre analyse de l’insertion professionnelle des docteurs en France 2024 offre un point de comparaison utile entre voies courtes et voies longues.

Coût public de l’apprentissage : 15 milliards d’euros

L’expansion de l’apprentissage a un coût budgétaire considérable. En 2023, la Direction générale du Trésor a estimé le coût public total de l’apprentissage à environ 15 milliards d’euros, soit environ 14 700 euros par apprenti et par an. Ce montant agrège :

Le coût pédagogique pris en charge par les OPCO (Opérateurs de compétences), financé via la contribution unique à la formation professionnelle et à l’alternance (CUFPA) versée par les entreprises.
Les exonérations de charges sociales dont bénéficient les employeurs d’apprentis (exonération quasi-totale pour les contrats dans les entreprises de moins de 250 salariés).
L’aide à l’embauche versée aux employeurs (réduite en 2023 mais toujours existante).
Le coût de l’Aide personnalisée au logement (APL) et d’autres aides sociales dont bénéficient les apprentis.

Ce niveau de dépense publique place la France parmi les pays européens qui investissent le plus dans l’apprentissage rapporté au PIB, loin devant l’Espagne et le Portugal, mais comparable à l’Allemagne et à l’Autriche, dont les systèmes duaux font figure de référence.

La question du retour sur investissement collectif est posée : les études sur l’insertion professionnelle montrent que l’avantage de l’apprentissage sur la formation initiale classique est plus marqué aux niveaux inférieurs (CAP, BEP) qu’aux niveaux supérieurs. Au niveau master, l’effet sur les taux d’emploi 18 mois après la sortie est jugé « limité » par la Direction générale du Trésor dans son bilan 2025 — ce qui alimente un débat sur la pertinence de maintenir des aides élevées pour les contrats dans les grandes écoles privées.

Perspectives et enjeux pour 2025-2026

Plusieurs tendances de fond dessineront l’évolution de l’apprentissage dans le supérieur français au cours des prochains mois.

La modulation des aides à l’embauche

Depuis 2023, les aides à l’embauche ont été différenciées selon le niveau de qualification. Les contrats de niveau bac+3 et au-delà bénéficient d’une aide réduite par rapport aux contrats de niveau bac à bac+2. Cette politique vise à concentrer le soutien public sur les apprentissages qui génèrent le meilleur effet de démocratisation. Son impact quantitatif sur les contrats signés en 2025 sera observable dans les prochaines publications SIES.

Le BUT comme vecteur de croissance dans les IUT

La réforme des IUT (passage au Bachelor Universitaire de Technologie en 2021, formation de 3 ans) a rendu les programmes plus compatibles avec l’apprentissage, notamment grâce à la structure par blocs de compétences. Avec 26 % des étudiants IUT déjà en apprentissage en 2024, la marge de progression existe, en particulier dans les spécialités techniques (informatique, réseaux, mécatronique) où la demande des employeurs reste forte.

La question des ruptures de contrat

Avec le ralentissement du marché, le taux de rupture anticipée des contrats d’apprentissage mérite une attention particulière. Dans un contexte économique plus difficile, certaines entreprises renoncent à leurs apprentis en cours de cycle, laissant les étudiants en difficulté pour trouver un nouvel employeur dans les délais impartis. Ce risque rejoint la problématique plus large du décrochage et de la réussite en licence, où la rupture de parcours est un enjeu central.

L’apprentissage au niveau master

Le master reste le niveau où la pénétration de l’apprentissage est la plus récente et la plus hétérogène. Les données globales ne permettent pas d’isoler précisément le stock d’apprentis en master, mais des signaux de croissance sont visibles dans les secteurs du numérique, de la finance et du conseil en management, où les grandes entreprises ont massivement ouvert des postes d’apprentis ingénieurs ou consultants en master.

Pour les étudiants qui envisagent de rédiger un mémoire de master en alternance, Tesify propose un accompagnement IA structuré pour gérer en parallèle les exigences académiques du mémoire et les contraintes opérationnelles d’un poste en entreprise.

FAQ — Apprentissage dans l’enseignement supérieur en France

Combien d’apprentis y a-t-il dans l’enseignement supérieur en France en 2024 ?

Au 31 décembre 2024, 657 900 étudiants préparent un diplôme de l’enseignement supérieur en apprentissage dans un CFA, selon la Note Flash SIES N° 2025-21 publiée par le MESR en septembre 2025. Ce chiffre représente une hausse de 3 % sur un an et de 14 % sur deux ans. Ramené au total des 3,01 millions d’inscrits dans le supérieur, cela signifie qu’environ un étudiant sur cinq est apprenti.

Quelles formations du supérieur comptent le plus d’apprentis ?

Les STS (préparant le BTS) concentrent environ 30 % des apprentis du supérieur, soit près de 197 000 étudiants. Les formations délivrant des titres RNCP homologués représentent environ 25 % (164 000) et les écoles de commerce 17 % (112 000). Ce trio de tête totalise plus de 70 % des apprentis du supérieur, loin devant les filières universitaires et les grandes écoles d’ingénieurs.

Quel est le taux d’apprentissage en IUT (BUT) en 2024 ?

En 2024, 26 % des étudiants inscrits en IUT (préparant un BUT) effectuent leur formation en apprentissage. Ce taux est inférieur à celui de la licence professionnelle (61 %) et des STS (~50 %), mais supérieur à celui du cycle ingénieur (~20 %). Il est en progression depuis la réforme BUT de 2021, qui a rendu les programmes IUT plus compatibles avec le rythme d’alternance.

Quelle est la part du secteur privé dans l’apprentissage du supérieur ?

Plus de 75 % des apprentis du supérieur sont inscrits dans des établissements privés (écoles de commerce, CFA privés, organismes délivrant des titres RNCP). Ce déséquilibre public/privé est structurel : la libéralisation du marché de la formation par la loi Avenir professionnel de 2018 a surtout bénéficié aux acteurs privés, qui ont ouvert des CFA sans les contraintes administratives qui pèsent encore sur l’université publique.

Comment a évolué l’apprentissage dans le supérieur entre 2020 et 2024 ?

L’apprentissage dans le supérieur a augmenté de +78 % entre 2020 et 2022 (de ~324 000 à 576 300 étudiants), porté par les aides à l’embauche post-Covid et la déréglementation. Depuis 2023, la croissance s’est très nettement modérée : +8 % environ en 2023, puis +3 % en 2024 pour atteindre 657 900. La réduction des aides pour les niveaux bac+3 et plus et la contraction de la demande des employeurs expliquent ce ralentissement.

L’apprentissage démocratise-t-il l’accès aux grandes écoles ?

Oui, partiellement. Dans les écoles d’ingénieurs et de commerce, les apprentis sont en moyenne d’origine sociale moins favorisée que les étudiants en formation initiale classique, ce qui confirme un effet de démocratisation réel. En revanche, dans les filières universitaires (IUT, licence pro), le profil social des apprentis est similaire à celui des autres étudiants — l’apprentissage y est choisi pour l’expérience professionnelle et la rémunération, pas comme unique voie d’accès.

Quel est le coût public de l’apprentissage en France ?

En 2023, la Direction générale du Trésor a estimé le coût public total de l’apprentissage à environ 15 milliards d’euros, soit environ 14 700 euros par apprenti par an. Ce montant comprend les coûts pédagogiques pris en charge par les OPCO, les exonérations de charges sociales pour les employeurs, les aides à l’embauche et les aides sociales (APL, etc.) versées aux apprentis.

Combien de nouveaux contrats d’apprentissage ont été signés en France en 2024 ?

En 2024, 879 000 nouveaux contrats d’apprentissage ont été signés en France (tous niveaux confondus), portant le stock total à plus d’un million d’apprentis en contrat actif fin 2024. Ce chiffre représente environ trois fois le volume de 2017 (306 000 contrats), illustrant l’ampleur de la transformation du système. Dans le supérieur spécifiquement, 62 % des nouveaux contrats signés en 2023 concernaient des formations de niveau bac+2 et au-delà.

Sources officielles et pour aller plus loin

juillet 13, 2026

JASP vs Jamovi vs SPSS pour les statistiques de ton mémoire en 2026

Tu as collecté tes données, ta base est prête, et là tu te retrouves face à un choix qui bloque des dizaines d’étudiants chaque année : quel logiciel de statistiques utiliser pour analyser les données de ton mémoire de master en 2026 ? JASP, Jamovi et SPSS sont les trois noms qui reviennent systématiquement dans les cours de méthodologie, les forums étudiants et les guides de rédaction — mais leurs différences concrètes restent souvent floues. Ce comparatif JASP vs Jamovi vs SPSS te donne une réponse claire, disciplinaire et budgétaire, sans te noyer dans la théorie statistique.

La réalité en 2026, c’est que deux de ces trois logiciels sont entièrement gratuits et open-source, tandis que le troisième reste la référence institutionnelle dans de nombreuses universités françaises malgré un coût annuel non négligeable. Selon ton cursus, ton délai de rendu et l’accès ou non à une licence campus, le meilleur choix peut changer radicalement. Ce guide t’aide à trancher en moins de cinq minutes.

Réponse rapide

JASP et Jamovi sont gratuits et couvrent 95 % des besoins d’un mémoire de master. Choisis JASP si tu fais de la psychologie ou as besoin d’analyses bayésiennes ; Jamovi si tu migres depuis SPSS ou veux ajouter des modules R ; et SPSS uniquement si ton directeur ou ton université l’impose ou si tu bénéficies déjà d’une licence campus gratuite.

Tableau comparatif : JASP, Jamovi, SPSS en un coup d’œil

Avant d’entrer dans le détail de chaque outil, voici le tableau synthétique que tu peux montrer directement à ton directeur de mémoire ou partager avec ton groupe de travail.

Critère	JASP 0.19	Jamovi (latest)	SPSS 29+
Prix	Gratuit	Gratuit	130–200 €/an (GradPack) ou licence campus
Interface	Glisser-déposer, épuré	Proche SPSS, tableur intégré	Classique, menus déroulants
Courbe d’apprentissage	Faible	Très faible	Modérée
Analyses bayésiennes	✔ Natives	✗ Non (modules tiers)	✗ Non
Output APA direct	✔ Export Word APA	✔ Tableaux APA	Formatage manuel requis
Modules / Extensions	Modules JASP intégrés	✔ Modules R (jmv, GAMLj…)	Modules payants ou intégrés selon version
Import de données	CSV, SPSS .sav, Excel	CSV, SPSS .sav, R, SAS, Excel	Tous formats (natif)
Reproductibilité	Fichiers .jasp	Fichiers .omv + export R	Syntaxe SPSS (.sps)
Idéal pour	Psycho, sciences cognitives, Bayésien	Migration SPSS, R-users, délai court	Sciences sociales FR, exigence institutionnelle
OS supportés	Windows, macOS, Linux	Windows, macOS, Linux, Cloud	Windows, macOS

JASP : le spécialiste bayésien, 100 % gratuit

JASP (Just Another Statistics Program) est développé et maintenu par l’Université d’Amsterdam depuis 2013. La version actuelle est la 0.19.3. Le logiciel est entièrement open-source sous licence GNU GPL, ce qui signifie qu’il sera toujours gratuit, sans publicité et sans limitation fonctionnelle liée à un abonnement.

Ce qui distingue vraiment JASP

Sa proposition de valeur centrale est unique dans le paysage des logiciels de stats : chaque analyse fréquentiste dispose de son équivalent bayésien en un clic. Tu fais un test t classique ? JASP peut immédiatement te donner le Bayes Factor correspondant. Cette dualité est particulièrement précieuse pour les mémoires en psychologie, sciences cognitives, neurosciences ou toute discipline où les revues commencent à exiger des analyses bayésiennes pour renforcer la robustesse des conclusions.

L’interface est conçue pour les non-programmeurs : un glisser-déposer de tes variables dans les champs appropriés suffit pour lancer une analyse. Les résultats s’affichent dynamiquement dans le panneau de droite et sont déjà formatés selon les normes APA. Tu peux exporter l’ensemble en un fichier Word prêt à copier-coller dans ton mémoire, sans retouche de tableau.

JASP s’intègre également avec l’Open Science Framework (OSF), ce qui facilite le partage de données et la pré-inscription de ton protocole — un atout si ton directeur valorise la science ouverte ou si tu prévois de publier les résultats de ton mémoire.

Limite à connaître : JASP ne permet pas le scripting natif. Si tu as besoin d’automatiser une procédure complexe ou de documenter chaque étape dans un script reproductible, préfère Jamovi (export R) ou SPSS (syntaxe .sps). Pour un mémoire de master standard, cette limite est rarement contraignante.

Jamovi : l’alternative SPSS la plus accessible

Jamovi se présente comme un « statisticiel de 3e génération » : il combine la simplicité d’une interface point-and-click avec la puissance de R en arrière-plan. Il est gratuit, open-source (GPL v3), et les fondateurs ont explicitement fait du « gratuit pour toujours » un principe fondateur du projet.

Pourquoi Jamovi est le meilleur point d’entrée pour les étudiants qui migrent depuis SPSS

Son interface est la plus proche de SPSS parmi les alternatives gratuites. La grille de données ressemble à un tableur familier, les menus d’analyse sont organisés de façon similaire, et les sorties produisent des tableaux APA directement copiables. Pour un étudiant qui a appris les stats sur SPSS en L3 ou M1 et qui se retrouve sans licence pour son mémoire de M2, Jamovi supprime quasiment toute courbe d’apprentissage.

La grande force exclusive de Jamovi est son système de modules R. Des centaines de packages R sont accessibles via l’interface graphique sans écrire une seule ligne de code. Le module GAMLj permet des modèles mixtes avancés. Le module ESCI visualise les intervalles de confiance. Le module jpower calcule la puissance statistique. Pour un mémoire quantitatif exigeant, cette extensibilité via R est un avantage considérable par rapport à JASP.

Jamovi est aussi disponible en version cloud (cloud.jamovi.org), ce qui permet de travailler depuis n’importe quel navigateur sans installation — pratique si tu travailles en bibliothèque ou sur un ordinateur partagé.

Export R : un bonus pour la reproductibilité

Chaque analyse lancée dans Jamovi génère automatiquement le code R correspondant, visible dans un panneau dédié. Tu peux ainsi documenter exactement quelles commandes R ont produit tes résultats — un argument solide à présenter à ton jury si la reproductibilité de ta démarche est évaluée. Pour approfondir la sélection de la méthode quantitative ou qualitative pour ton mémoire, consulte notre guide dédié.

SPSS : la référence institutionnelle française

IBM SPSS Statistics est le logiciel de référence dans les sciences sociales françaises depuis les années 1980. Sa position dans les universités françaises reste forte, notamment en sociologie, science politique, communication, gestion et santé publique — disciplines où les encadrants ont eux-mêmes appris à faire des stats sur SPSS et produisent leurs cours avec des captures d’écran SPSS.

Prix et accès en 2026

IBM propose des licences étudiantes via son programme GradPack, disponibles en trois niveaux (Base, Standard, Premium). Le tarif se situe entre 130 € et 200 € par an selon la version, sur la base d’informations publiques disponibles en 2026. C’est un investissement significatif pour un semestre de mémoire.

Cependant, de nombreuses universités françaises négocient des accès institutionnels permettant aux étudiants d’utiliser SPSS gratuitement via leur ENT, leur DSI ou un VPN campus. Avant d’acheter quoi que ce soit, renseignez-vous auprès du service informatique de votre université — c’est souvent la première chose à vérifier.

Les avantages qui maintiennent SPSS dans le jeu

SPSS reste pertinent pour plusieurs raisons concrètes. Son écosystème de documentation est massif : des dizaines de manuels universitaires français, des centaines de tutoriels YouTube et des milliers de forums sont structurés autour de ses menus. Si tu bloques sur une procédure, la réponse existe déjà quelque part en français.

Sa syntaxe .sps permet d’écrire des scripts reproductibles — un avantage pour les travaux nécessitant plusieurs passes d’analyse ou des traitements automatisés de grands jeux de données. Pour les thèses de doctorat ou les mémoires de recherche avec des données volumineuses, SPSS Premium propose aussi des modules spécialisés (modélisation par équations structurelles, analyse de survie, séries temporelles) qui dépassent ce que JASP ou Jamovi proposent nativement.

Bon à savoir : Si tu es en master de psychologie clinique, de sciences de l’éducation ou de sociologie quantitative, demande systématiquement à ton directeur quel logiciel il utilise dans ses propres recherches. Son choix influencera probablement sa capacité à t’aider lors des séances de suivi. Un directeur qui ne connaît pas JASP ne pourra pas vérifier tes sorties bayésiennes.

Quelle recommandation par discipline et par budget ?

Voici la grille de décision la plus directe possible, organisée par situation concrète. Pour comprendre comment déterminer la taille d’échantillon adaptée à ton analyse, consulte également notre article sur la taille d’échantillon pour un mémoire qualitatif ou quantitatif.

Ta situation	Logiciel recommandé	Raison
Psychologie, sciences cognitives, mémoire bayésien	JASP	Bayes Factors natifs, export APA direct, gratuit
Tu as appris les stats sur SPSS et tu n’as plus de licence	Jamovi	Interface quasi identique, courbe zéro, gratuit
Délai inférieur à 4 semaines avant la remise	Jamovi	Onboarding le plus rapide des trois, cloud disponible
Sciences sociales, sociologie, sciences po, communication	SPSS (si licence campus) / Jamovi (sinon)	Standard institutionnel FR ; Jamovi si pas d’accès campus
Mémoire nécessitant des modules R avancés	Jamovi	Accès à des centaines de modules R via interface graphique
Directeur impose SPSS, université avec licence campus	SPSS	Suivi par le directeur facilité, sorties familières
Budget zéro, toutes disciplines confondues	JASP ou Jamovi	Les deux sont gratuits et couvrent tous les tests classiques

Les analyses incontournables du mémoire : qui fait quoi ?

Pour un mémoire de master quantitatif classique, les analyses les plus fréquentes sont : statistiques descriptives, test t, ANOVA, corrélation de Pearson/Spearman, régression linéaire simple et multiple, et régression logistique. Voici comment les trois logiciels se positionnent sur chaque type d’analyse.

Analyse	JASP	Jamovi	SPSS
Stats descriptives	✔	✔	✔
Test t (indépendant, apparié)	✔ + Bayésien	✔	✔
ANOVA / ANCOVA	✔ + Bayésien	✔ (via GAMLj)	✔
Corrélation Pearson / Spearman	✔ + Bayésien	✔	✔
Régression linéaire	✔ + Bayésien	✔	✔
Régression logistique	✔	✔ (via GAMLj)	✔
Analyse factorielle (EFA/CFA)	✔	✔ (via jmv)	✔ (Standard+)
Modèles mixtes / multiniveaux	Limité	✔ (via GAMLj)	✔ (Premium)
SEM (Équations structurelles)	✔ (module SEM)	✔ (via SEMply)	✔ (AMOS, payant)

Pour les analyses quantitatives standard d’un mémoire de master, les trois logiciels sont équivalents sur le fond. Le différenciateur n’est pas la capacité analytique mais l’expérience utilisateur, le coût et l’output. Pour un tutoriel étape par étape sur l’interprétation des résultats SPSS ou Excel, consulte notre guide pratique sur comment analyser ses données quantitatives pour un mémoire.

Output APA et mise en forme : le critère souvent oublié

Un résultat statistiquement correct qui nécessite deux heures de reformatage dans Word avant d’être intégrable dans ton mémoire, c’est une perte de temps que tu ne peux pas te permettre en période de rendu. La question du format de sortie est donc aussi importante que la puissance analytique.

JASP : champion de l’export APA clé en main

JASP produit des tableaux directement conformes aux normes APA 7e édition. Son bouton « Export Results » génère un fichier Word (.docx) contenant tous les tableaux et graphiques mis en forme. Tu copies, tu colles dans ton mémoire. Le gain de temps sur un chapitre entier de résultats est réel.

Jamovi : tableaux APA copiables depuis l’interface

Jamovi n’exporte pas en Word de façon aussi fluide que JASP, mais ses tableaux affichés dans l’interface respectent les conventions APA et peuvent être copiés-collés directement dans Word ou LibreOffice avec une mise en forme cohérente. La qualité des graphiques intégrés (nuages de points, boîtes à moustaches) est également propre et directement intégrable.

SPSS : le formatage reste manuel

Les sorties SPSS (fichiers .spv ou viewer SPSS) produisent des tableaux à la mise en forme propriétaire qui ne correspondent pas directement aux normes APA. Chaque tableau doit être retravaillé manuellement : suppression de colonnes inutiles, ajustement des décimales, reformatage des en-têtes. C’est une réalité bien connue des étudiants en master — et c’est l’une des raisons pour lesquelles JASP et Jamovi gagnent du terrain même dans les filières traditionnellement SPSS. Pour choisir le bon logiciel de rédaction qui ira de pair avec ton logiciel de stats, notre comparatif Overleaf vs Google Docs vs Word t’aidera à compléter ta chaîne de travail.

JASP — logiciel de statistiques libre (Université d’Amsterdam)

Télécharge JASP gratuitement sur jasp-stats.org. Le logiciel est disponible pour Windows, macOS et Linux. La documentation officielle, les tutoriels vidéo et les exemples de datasets sont accessibles directement depuis l’interface ou le site.

Télécharger JASP — gratuit

Source : jasp-stats.org — Université d’Amsterdam (open-source, GPL)

FAQ

JASP est-il vraiment gratuit pour les étudiants ?

Oui, JASP est entièrement gratuit et open-source, développé par l’Université d’Amsterdam. Il n’existe aucune version payante : toutes les fonctionnalités (analyses fréquentistes et bayésiennes, export APA) sont accessibles sans abonnement ni licence campus.

Quelle est la différence principale entre JASP et Jamovi ?

JASP se distingue par ses analyses bayésiennes intégrées pour chaque test fréquentiste, idéal pour la psychologie et les sciences cognitives. Jamovi se rapproche davantage de l’interface SPSS, propose des modules R supplémentaires et convient mieux aux utilisateurs qui souhaitent une transition rapide depuis SPSS ou une extensibilité via R.

Combien coûte SPSS pour un étudiant en France en 2026 ?

IBM propose des licences étudiantes via son programme GradPack. Le tarif varie entre 130 € et 200 € par an selon la version (Base, Standard ou Premium). Certaines universités françaises négocient des accès institutionnels permettant aux étudiants d’utiliser SPSS gratuitement via leur ENT ou un VPN campus — vérifiez auprès de votre DSI avant d’acheter.

Jamovi peut-il remplacer SPSS pour un mémoire de master ?

Pour la grande majorité des mémoires de master (tests t, ANOVA, régression linéaire et logistique, corrélations), Jamovi couvre exactement les mêmes analyses que SPSS, avec un output APA direct et une interface très similaire. La seule limite est l’absence de certains modules avancés présents dans SPSS Premium (modélisation par équations structurelles complète, analyses de séries temporelles complexes).

Mon directeur exige SPSS — puis-je utiliser JASP ou Jamovi à la place ?

C’est une question à poser directement à votre directeur. Dans de nombreux cas, les encadrants acceptent des alternatives gratuites si vous justifiez votre choix méthodologique et que les sorties sont lisibles. Jamovi produit des tableaux quasi identiques à SPSS. JASP exporte en Word avec mise en forme APA. Mais si votre directeur impose SPSS explicitement, vérifiez si votre université dispose d’une licence campus avant d’acheter.

JASP fonctionne-t-il sur Mac et Windows ?

Oui, JASP est disponible pour Windows, macOS et Linux. L’installation est simple et ne nécessite aucune configuration supplémentaire. La version 0.19.3 (2026) est stable sur tous les systèmes d’exploitation courants.

Quel logiciel choisir si je fais un mémoire en sciences sociales ?

Pour un mémoire en sociologie, science politique ou communication, SPSS reste le standard institutionnel en France. Si votre université ne fournit pas de licence campus, Jamovi est la meilleure alternative gratuite : interface familière, tests classiques complets, et fichiers .omv lisibles par vos pairs. JASP est à réserver si votre approche inclut des analyses bayésiennes.

Peut-on importer des données Excel dans JASP et Jamovi ?

Oui, les deux logiciels acceptent les fichiers CSV et Excel (.xlsx) directement. JASP reconnaît également les fichiers SPSS (.sav), ce qui facilite la transition. Jamovi importe aussi les formats SPSS, R et SAS. Pour un mémoire, il suffit généralement d’exporter votre base de données au format CSV depuis Excel ou Google Sheets.

Une fois tes stats en poche, c’est la rédaction qui compte

Maîtriser JASP ou Jamovi ne suffit pas : il faut encore traduire tes résultats en un chapitre clair, bien structuré et sans fautes. La gestion de ta bibliographie et la revue de littérature assistée par IA font partie de la même chaîne de travail. Tesify t’accompagne sur toute la partie rédactionnelle — de l’état de l’art jusqu’à la discussion des résultats — pour que le temps gagné sur les stats se retrouve dans la qualité de ta prose.

Essayer Tesify gratuitement

juillet 13, 2026

Étudiants en situation de handicap dans l’enseignement supérieur France 2025 : 63 817 inscrits, aménagements et disparités

À la rentrée 2023-2024, 63 817 étudiants en situation de handicap (ESH) étaient inscrits dans l’enseignement supérieur français, représentant 2,2 % de la population étudiante totale. Ce chiffre, publié par le MESR dans l’édition 2024 de l’État de l’enseignement supérieur, de la recherche et de l’innovation en France, marque une progression de 8,4 % en un an — soit environ 5 000 étudiants supplémentaires — et une multiplication par 8,5 depuis 2003. Derrière ces données agrégées se cachent des réalités très contrastées : types de troubles, filières choisies, taux d’aménagement aux examens, et disparités de genre dessinent un tableau plus complexe que le seul comptage total.

Réponse rapide
En 2023-2024, 63 817 étudiants en situation de handicap sont inscrits dans l’enseignement supérieur français (2,2 % du total). 83,6 % bénéficient d’au moins un aménagement aux examens — dont 82,7 % du tiers-temps. La population a été multipliée par 8,5 depuis 2003 et par 1,9 depuis 2018. Les troubles des fonctions du langage et de la parole constituent le type de handicap le plus fréquent (24,4 %).

Chiffres clés 2023-2024 en un coup d’œil

Les données du MESR permettent une lecture transversale de la situation des ESH à la rentrée 2023-2024. Voici les indicateurs principaux :

Indicateur	Valeur
ESH inscrits (total)	63 817
Part dans la population étudiante	2,2 %
Croissance annuelle (vs 2022-2023)	+8,4 %
Croissance depuis 2018	×1,9
Croissance depuis 2003	×8,5
ESH en université (sur total ESH)	54 081 (84,7 %)
ESH bénéficiant d’aménagements	83,6 %
Femmes parmi les ESH	59,1 %

L’enseignement supérieur privé accueille 4 783 ESH (7,5 % du total), les CPGE et STS publiques 2 745 (4,3 %), et les autres établissements publics 2 208 (3,5 %). Les universités demeurent de loin le premier lieu d’accueil, avec une croissance annuelle moyenne de 12,1 % sur cinq ans dans ce secteur.

Pour replacer cette donnée dans son contexte budgétaire, voir notre analyse sur les frais d’inscription à l’université française 2026-2027, qui détaille aussi les exonérations dont peuvent bénéficier certains publics prioritaires.

Évolution historique : ×8,5 en vingt ans

La progression des effectifs ESH dans l’enseignement supérieur reflète à la fois un meilleur repérage des troubles, une évolution des mentalités et une politique publique délibérément inclusive. En 2003, le comptage était encore minimal ; la loi du 11 février 2005 pour l’égalité des droits et des chances des personnes handicapées a constitué le premier tournant structurant, en obligeant chaque établissement à nommer un référent handicap et à mettre en place des aménagements.

Source : EESR n°18 — Les étudiants en situation de handicap dans l’enseignement supérieur, MESR-SIES

La croissance s’est nettement accélérée depuis 2018, année de lancement du premier plan national pour l’université inclusive. Entre 2018 et 2024, la population ESH a quasiment doublé (×1,9), soit une vitesse de progression bien supérieure à celle de la décennie précédente. Cette accélération tient notamment à la montée en puissance des diagnostics de troubles cognitifs et psychologiques, longtemps sous-détectés chez les jeunes adultes.

Entre 2021-2022 et 2022-2023, la croissance annuelle avait atteint 15,7 %, un pic lié en partie aux rattrapage post-Covid des démarches administratives de reconnaissance du handicap. Le rythme s’est légèrement tassé à +8,4 % pour 2023-2024, mais reste structurellement bien supérieur à la croissance générale des effectifs étudiants.

Répartition par type de handicap

La nomenclature officielle du MESR distingue plusieurs catégories de troubles. Les données 2023-2024 révèlent une transformation profonde du profil diagnostique des ESH par rapport à 2018, avec un glissement marqué des handicaps moteurs vers les handicaps dits « invisibles ».

Type de trouble	Part 2023-2024	Évolution depuis 2018
Troubles du langage et de la parole	24,4 %	—
Troubles des fonctions cognitives	En hausse	+4,7 points
Troubles des fonctions psychiques	En hausse	+3,0 points
Troubles des fonctions motrices	En baisse relative	−3,7 points

Ce glissement vers les troubles cognitifs et psychiques — qui regroupent notamment les troubles dys (dyslexie, dyspraxie, dyscalculie), les troubles de l’attention avec ou sans hyperactivité (TDAH), les troubles du spectre autistique (TSA) ainsi que les troubles anxieux sévères — traduit deux phénomènes convergents : une meilleure détection diagnostique chez les adolescents, et un moindre tri à l’entrée des formations supérieures pour ces profils. Le déclin relatif des troubles moteurs ne signifie pas une régression de l’accessibilité physique, mais une recomposition du profil global des ESH.

Cette évolution a des conséquences directes sur les dispositifs d’accompagnement à mettre en place : les aménagements pédagogiques liés aux troubles cognitifs (temps supplémentaire, secrétaire de composition, documents adaptés) sont structurellement différents des aménagements d’accessibilité physique qui prévalaient dans le profil ESH des années 2000.

Filières et niveaux d’études

La répartition des ESH par filière et par cycle révèle des phénomènes de concentration et de sous-représentation qui méritent attention.

Répartition par grande filière (universités)

Filière	Part des ESH
Lettres, langues et sciences humaines	36,0 %
Sciences et sciences de l’ingénieur	29,5 %
Droit, économie, gestion	21,6 %

La surreprésentation en lettres et sciences humaines s’explique partiellement par la composition diagnostique : les troubles du langage et les troubles dys sont davantage détectés dans les cursus littéraires, tandis que les troubles moteurs et les maladies chroniques invisibles se retrouvent dans toutes les filières. La progression en formations d’ingénieurs est notable (+2,73 points depuis 2018), signe d’une inclusivité croissante dans les grandes écoles et IAE.

Répartition par cycle

Les ESH sont surreprésentés en licence par rapport à la population étudiante générale : 77,1 % des ESH sont en licence, contre 60 % pour l’ensemble des étudiants. La part en master est de 22,1 %, en progression de 3,2 points depuis 2018 (contre 18,9 % en 2018), signe d’une meilleure continuité de parcours. La représentation en doctorat demeure marginale.

Cette concentration en licence reflète en partie le fait qu’une proportion significative d’ESH demande une reconnaissance du handicap lors de leur entrée dans l’enseignement supérieur, avant même de s’être projetée vers le master. La hausse du taux en master est un indicateur de progrès : les étudiants handicapés abandonnent moins souvent en cours de licence et accèdent davantage aux études longues.

Sur les inégalités de parcours plus larges, notre dossier sur le Parcoursup 2025 en chiffres détaille comment la sélectivité des filières affecte différemment les différents profils d’étudiants.

Genre : une majorité féminine

Les ESH sont majoritairement des femmes : 59,1 % contre 40,9 % d’hommes. Cette répartition est légèrement plus féminine que celle de la population étudiante globale, dans laquelle les femmes représentent environ 57 % des effectifs. Des disparités marquées apparaissent par filière :

En lettres, langues et sciences humaines : 71,1 % de femmes parmi les ESH
En sciences et sciences de l’ingénieur : 44,5 % de femmes parmi les ESH
En BTS production : seulement 14,4 % de femmes parmi les ESH

La surreprésentation féminine dans les ESH en SHS s’explique en partie par les dynamiques de diagnostic : les troubles dys et les troubles anxieux sont davantage détectés chez les jeunes femmes, et les filières littéraires restent majoritairement féminines dans l’enseignement supérieur français. En BTS de production industrielle, la faible part des femmes ESH reflète simplement la structure de genre de ces formations.

Ces données de genre s’inscrivent dans un contexte plus large de disparités d’insertion professionnelle selon les filières, qui concernent aussi bien les docteurs non-handicapés que l’ensemble des diplômés.

Aménagements aux examens : tiers-temps et au-delà

L’aménagement le plus visible et le plus connu reste le tiers-temps — soit 33 % de temps supplémentaire accordé pour les épreuves écrites. C’est de loin la mesure la plus répandue, mais le paysage des aménagements est bien plus large.

Taux d’aménagement global

83,6 % des ESH inscrits bénéficient d’au moins un aménagement pour les examens. Les 16,4 % restants n’ont pas demandé ou pas obtenu d’aménagement : cela peut tenir à un handicap dont les effets ne nécessitent pas d’adaptation aux conditions d’examen (certaines maladies chroniques), à une démarche non engagée auprès du service handicap, ou à un aménagement pédagogique de nature différente (cours adaptés, dispenses d’assiduité).

En moyenne, chaque étudiant bénéficiaire reçoit 2 aménagements distincts, ce qui témoigne de la personnalisation croissante des plans d’accompagnement.

Types d’aménagements les plus fréquents

Type d’aménagement	Part parmi les ESH aménagés
Temps majoré (dont tiers-temps)	82,7 %
Salle isolée ou salle à effectif réduit	22,2 %

Au-delà de ces deux mesures les plus fréquentes, les plans d’accompagnement peuvent prévoir : un secrétaire de composition (aide à l’écriture), des documents adaptés (agrandissement, contraste, version numérique), l’utilisation d’un ordinateur avec logiciel de compensation, des pauses régulières, ou encore une dérogation à l’obligation de présence aux TD pour les étudiants souffrant de maladies chroniques.

Le budget étudiant global est également affecté par le handicap : certains équipements de compensation (logiciels de lecture d’écran, fauteuils adaptés, aides à la prise de notes) représentent un surcoût non négligeable. Notre analyse du budget mensuel d’un étudiant en master France 2025 détaille ces postes de dépense, qui peuvent être partiellement couverts par des aides spécifiques.

Politique publique : l’université inclusive

Le cadre légal et institutionnel de l’accueil des ESH repose sur plusieurs piliers. La loi du 11 février 2005 impose aux établissements d’enseignement supérieur de garantir l’accessibilité et d’adapter les conditions d’études et d’examen. Chaque université doit disposer d’un service dédié au handicap (souvent appelé « Mission handicap » ou « Cellule handicap »).

Depuis 2018, le MESR a structuré sa politique autour du concept d’université inclusive, formalisé par une circulaire puis par des comités nationaux de suivi. Le quatrième comité de suivi, tenu en 2024, a mis en avant plusieurs avancées : une augmentation de 50 % du budget alloué aux services handicap des universités sur la période concernée, ainsi que l’accès facilité aux bourses sur critères sociaux pour plus de 3 000 étudiants handicapés et aidants familiaux depuis la rentrée 2023.

Les établissements sont par ailleurs tenus de soumettre des schémas directeurs du handicap et de progresser sur l’accessibilité des supports de cours numériques (référentiel RGAA). La qualité d’application reste néanmoins hétérogène selon les établissements, les universités de grande taille disposant généralement de ressources humaines dédiées plus étoffées que les petits établissements.

Les étudiants handicapés peuvent également mobiliser plusieurs dispositifs d’aide financière : majoration de bourses CROUS, aides spécifiques de l’AGEFIPH pour l’aménagement du poste de travail, et aides de la MDPH (Maison Départementale des Personnes Handicapées). Notre guide sur les aides financières étudiantes en France 2026-2027 présente l’ensemble de ces dispositifs.

Pour aller plus loin sur les conditions de vie étudiante dans leur ensemble, le dossier sur la crise du logement étudiant en France 2025 offre un éclairage complémentaire sur les difficultés spécifiques rencontrées par les étudiants en situation de vulnérabilité.

Sources officielles
Les données de cet article sont issues de l’indicateur T.24.3 de l’EESR 2024 (MESR) et du compte-rendu du 4e Comité national de suivi de l’université inclusive (Gouvernement, 2024).

FAQ

Combien y a-t-il d’étudiants en situation de handicap dans l’enseignement supérieur en France ?

À la rentrée 2023-2024, 63 817 étudiants en situation de handicap (ESH) étaient inscrits dans l’enseignement supérieur français, selon les données publiées par le MESR. Ils représentent 2,2 % de la population étudiante totale. Ce chiffre a progressé de 8,4 % en un an et a été multiplié par 8,5 depuis 2003.

Qu’est-ce que le tiers-temps et qui peut en bénéficier ?

Le tiers-temps est un aménagement aux examens qui accorde 33 % de temps supplémentaire à l’étudiant. Il est accordé sur préconisation du médecin désigné par la MDPH ou par le médecin de prévention de l’établissement, après dépôt d’un dossier auprès du service handicap de l’université. En 2023-2024, 82,7 % des ESH bénéficiant d’un aménagement ont obtenu un temps majoré, faisant du tiers-temps (ou d’un quart-temps pour les troubles les plus sévères) la mesure de loin la plus répandue.

Quel type de handicap est le plus fréquent chez les étudiants ?

Les troubles des fonctions du langage et de la parole constituent le type de handicap le plus fréquent parmi les ESH (24,4 % de l’effectif). Cette catégorie englobe notamment les troubles dys (dyslexie, dyspraxie, dyscalculie, dysorthographie). Depuis 2018, les troubles des fonctions cognitives et les troubles des fonctions psychiques (dont le TDAH, les TSA, les troubles anxieux sévères) sont en forte progression, respectivement +4,7 et +3,0 points. À l’inverse, la part des troubles moteurs a diminué de 3,7 points.

Comment obtenir une reconnaissance de handicap à l’université ?

La démarche comporte généralement deux volets : d’une part, la demande d’une RQTH (Reconnaissance de la Qualité de Travailleur Handicapé) ou d’une notification d’orientation scolaire auprès de la MDPH (Maison Départementale des Personnes Handicapées) de son département ; d’autre part, une prise de contact avec le service handicap de l’établissement, qui établit un plan d’accompagnement personnalisé (PAP) avec l’aide du médecin de prévention. Ce plan est renouvelable chaque année universitaire et précède la transmission des aménagements aux services de scolarité.

Les étudiants en situation de handicap peuvent-ils bénéficier d’aides financières spécifiques ?

Oui, plusieurs dispositifs existent en parallèle des aides de droit commun. La bourse CROUS sur critères sociaux peut être majorée pour les étudiants handicapés. L’AGEFIPH peut financer l’aménagement du poste de travail (logiciels de compensation, matériel spécifique). La PCH (Prestation de Compensation du Handicap), attribuée par la MDPH, peut couvrir des aides humaines ou techniques liées aux études. Depuis la rentrée 2023, plus de 3 000 étudiants handicapés et aidants ont bénéficié d’un accès facilité aux bourses CROUS selon le 4e Comité de suivi de l’université inclusive.

La part des ESH dans l’enseignement supérieur va-t-elle continuer à augmenter ?

Toutes les tendances structurelles pointent vers une poursuite de la croissance. La meilleure détection des troubles dys et TDAH chez les adolescents génère un flux continu de nouveaux entrants. Les politiques d’université inclusive incitent davantage d’étudiants à engager une démarche de reconnaissance. Enfin, la progression des ESH en master (+3,2 points depuis 2018) suggère que ces étudiants restent plus longtemps dans le système. Le rythme de croissance pourrait se tasser par rapport au pic de 2021-2023, mais le potentiel de hausse reste significatif tant que le taux global de 2,2 % reste en deçà des estimations de prévalence des troubles dans la tranche d’âge 18-25 ans.

Y a-t-il des disparités entre universités et grandes écoles dans l’accueil des ESH ?

Oui. Les universités concentrent 84,7 % des ESH, très loin devant les établissements privés (7,5 %) ou les CPGE et STS (4,3 %). Cette concentration s’explique par des effectifs globaux plus importants dans les universités, mais aussi par un accès plus systématisé aux services handicap dans ce secteur. Les grandes écoles progressent (+2,73 points en formations d’ingénieurs depuis 2018), mais partent d’un niveau plus bas. La qualité des services dépend aussi fortement de la taille de l’établissement et de ses ressources dédiées.

juillet 13, 2026

Julius AI vs JASP : analyser ses données sans coder en 2026

Vous avez collecté vos données — questionnaire Likert, entretiens retranscrits, exports de base — et vous vous retrouvez face à un tableur CSV que vous ne savez pas comment traiter. Ni Python, ni R, ni la syntaxe SPSS. La bonne nouvelle : en 2026, deux outils permettent à n’importe quel étudiant de master de conduire des analyses statistiques sérieuses sans écrire une seule ligne de code. Julius AI statistiques mémoire 2026 sans code est la recherche que font chaque semaine des milliers d’étudiants en France — et cette comparaison y répond sans détour.

Julius AI et JASP représentent deux philosophies radicalement différentes. Julius est un assistant conversationnel : vous lui parlez en français, il génère les graphiques et les résultats. JASP est un logiciel statistique traditionnel avec une interface graphique libre et gratuit, conçu pour produire des sorties reproductibles au format APA. Choisir le mauvais outil peut coûter cher : résultats non reproductibles, risque d’hallucination dans les statistiques, refus du jury. Ce guide vous aide à choisir le bon en fonction de votre situation précise.

Réponse rapide : Pour une exploration initiale et des visualisations rapides, Julius AI (plan gratuit : 15 messages/mois) est suffisant. Pour une analyse reproductible, publiable et conforme aux exigences universitaires — JASP (entièrement gratuit, sorties APA) est la référence. Les deux peuvent se compléter dans un même mémoire.

Julius AI : l’analyste IA conversationnel

Julius AI est un outil d’analyse de données fondé sur le langage naturel. Vous importez un fichier (CSV, Excel, JSON, TXT, scripts Python ou R, notebooks Jupyter), puis vous posez vos questions directement en français ou en anglais : « Montre-moi la distribution des réponses à la question 3 », « Calcule une régression linéaire entre le score de stress et les heures de sommeil », « Génère un graphique en barres pour chaque groupe ».

En coulisses, Julius génère et exécute du Python, du R ou du SQL dans un environnement sandbox, puis retourne le résultat. Cette architecture signifie que Julius peut produire des calculs statistiques solides — mais qu’il peut aussi produire des erreurs silencieuses si la question est ambiguë ou si les données sont mal structurées.

Fonctionnalités clés de Julius AI (2026)

Interface conversationnelle : requêtes en langage naturel, mémoire de contexte dans la session
Formats supportés : CSV, Excel (.xlsx), JSON, TXT, PDF, images, scripts Python/R, notebooks Jupyter
Visualisations automatiques : sélection intelligente du type de graphique selon la nature des données
Exports : PNG, CSV, PDF
Connexions bases de données : Snowflake, BigQuery, PostgreSQL (plan Pro uniquement)
Rapports programmés : envoi automatique par Slack ou e-mail (plans Business)

Tarifs Julius AI (mai 2026)

Plan	Prix	Messages / mois	RAM sandbox
Free	0 $	15	2 Go
Plus	20 $/mois	250	16 Go
Pro	37 $/mois (annuel) ou 45 $/mois	Illimité	32 Go

Note importante : le plan gratuit de 15 messages est très insuffisant pour une analyse complète de mémoire. La plupart des étudiants auront besoin du plan Plus ($20/mois) ou d’une utilisation très ciblée du plan gratuit.

JASP : le logiciel gratuit des chercheurs

JASP (Just Another Statistics Program) est un logiciel statistique open-source développé par l’Université d’Amsterdam. Il est entièrement gratuit, sans abonnement, sans publicité. Son interface graphique par glisser-déposer permet de réaliser des analyses sans écrire de code, tout en produisant des sorties directement au format APA — ce qui est un avantage considérable pour la rédaction académique. Si vous hésitez encore entre plusieurs logiciels de statistiques gratuits ou institutionnels, notre comparatif JASP vs Jamovi vs SPSS pour les statistiques de votre mémoire détaille les forces de chacun par discipline et par budget.

Là où Julius AI est un assistant qui raisonne sur vos données, JASP est un outil de calcul déterministe : les mêmes données produiront toujours les mêmes résultats, ce qui est une condition sine qua non pour la reproductibilité scientifique.

Fonctionnalités clés de JASP (version 0.19+)

Analyses fréquentistes et bayésiennes : chaque test classique a son équivalent bayésien dans JASP
Formats de fichiers supportés : CSV, TSV, TXT, SPSS (.sav, .zsav, .por), SAS (.sas7bda), Stata (.dta), Excel (.xls/.xlsx), R Data
Tests disponibles : t-tests, ANOVA, ANCOVA, régressions linéaire et logistique, analyses factorielles, SEM (modèles d’équations structurelles), méta-analyse, analyse de réseau
Sorties APA : tableaux et graphiques formatés selon les normes APA, copiables directement dans Word
Module « Learn Bayes » : tutoriels intégrés pour comprendre les statistiques bayésiennes
Intégration OSF : connexion directe à l’Open Science Framework pour la recherche ouverte
Gratuit sans limite : aucun message par mois, aucun abonnement

Tableau comparatif complet

Critère	Julius AI	JASP
Prix	Gratuit (15 msg/mois) → 20 $/mois	100 % gratuit
Interface	Conversationnelle (chat)	GUI glisser-déposer
Courbe d’apprentissage	Quasi nulle	Faible (1-2 heures)
Fichiers SPSS (.sav)	Non documenté	Oui (.sav, .zsav, .por)
Fichiers CSV / Excel	Oui	Oui
Sorties APA	Non (graphiques PNG)	Oui (tableaux + graphiques APA)
Reproductibilité	Variable (dépend du prompt)	Totale (fichier .jasp réutilisable)
Risque d’hallucination	Oui — vérification obligatoire	Aucun (calcul déterministe)
Analyses bayésiennes	Possible (via prompt)	Oui (module dédié)
SEM / modèles avancés	Limité	Oui (module SEM intégré)
Visualisations exploratoires	Excellent	Bon (raincloud plots, etc.)
Connexion internet requise	Oui (cloud uniquement)	Non (logiciel local)
Confidentialité des données	Données envoyées au cloud	Données restent en local
Idéal pour	Exploration, visualisation rapide	Analyse publiable, jury, reproductibilité

Le risque d’hallucination de Julius AI : ce que tout étudiant doit savoir

Le risque le plus sous-estimé de Julius AI dans un contexte académique est l’hallucination statistique. Contrairement aux hallucinations textuelles — où un LLM invente une citation ou un auteur fictif — les hallucinations statistiques sont des résultats numériques qui semblent plausibles mais sont incorrects.

Cela arrive dans plusieurs situations :

Données mal étiquetées : si vos colonnes ont des noms ambigus (« Q1 », « Var3 »), Julius peut interpréter de façon erronée quelle variable est dépendante ou indépendante.
Valeurs manquantes non déclarées : Julius peut traiter un code « 99 » ou « -1 » (utilisé pour les non-réponses) comme une valeur numérique réelle, faussant moyenne, variance et corrélations.
Demandes ambiguës : « fais une analyse de régression » sans préciser les variables peut produire un modèle non pertinent.
Données sparses : Julius génère des statistiques incorrectes mais plausibles sur des données peu denses ou mal structurées.

Règle d’or : Tout résultat numérique produit par Julius AI doit être vérifié indépendamment avant d’être intégré dans un mémoire. Recalculez a minima la statistique principale (moyenne, coefficient, valeur p) dans Excel ou JASP. Un jury de master qui détecte une incohérence statistique dans votre mémoire ne fera pas la distinction entre une erreur humaine et une erreur de l’IA. Pour un tutoriel pas à pas sur la vérification de vos calculs, consultez notre guide sur comment analyser ses données quantitatives avec SPSS ou Excel.

JASP, lui, est un moteur de calcul déterministe. Il n’interprète pas vos données : il exécute des algorithmes mathématiques établis. Les mêmes données avec les mêmes paramètres produiront toujours exactement les mêmes résultats. C’est précisément ce que requiert la reproductibilité scientifique — et ce que votre directeur de mémoire ou votre jury peut vérifier.

Quand utiliser Julius AI, quand utiliser JASP ?

Utilisez Julius AI quand :

Vous explorez un nouveau jeu de données et cherchez à comprendre sa structure rapidement
Vous avez besoin de visualisations exploratoires pour votre chapitre « présentation des données »
Vous devez générer rapidement plusieurs types de graphiques pour choisir la représentation la plus lisible
Vous n’avez pas de données sensibles (conformité RGPD : vos données partent dans le cloud de Julius)
Vous voulez un premier regard statistique avant de lancer une analyse rigoureuse

Utilisez JASP quand :

Vous réalisez les analyses qui figureront dans votre mémoire final (reproductibilité, sorties APA)
Vos données proviennent d’un fichier SPSS (.sav) — JASP lit nativement ce format
Vous devez produire des tableaux t-tests, ANOVA, régressions directement copiables dans Word
Votre mémoire doit respecter des normes méthodologiques strictes (master recherche, doctorat)
Vous traitez des données personnelles ou sensibles (JASP fonctionne entièrement en local)
Vous avez besoin d’analyses bayésiennes ou de modèles d’équations structurelles

Le choix de l’outil dépend aussi de la nature de votre corpus. Avant même de lancer une analyse, assurez-vous d’avoir collecté un nombre de répondants adapté à vos tests : notre article sur la taille d’échantillon pour un mémoire qualitatif ou quantitatif vous aide à déterminer le seuil minimal selon le test statistique envisagé.

Workflow combiné pour un mémoire de master

Dans la pratique, les deux outils se complètent parfaitement dans un workflow en deux temps :

Phase exploratoire avec Julius AI (1-2 jours) : importez votre CSV nettoyé, posez des questions libres pour explorer les distributions, identifier les outliers, tester différentes visualisations. Exportez les graphiques PNG que vous utiliserez dans votre chapitre de présentation des données.
Phase analytique avec JASP (3-5 jours) : reprenez les hypothèses que l’exploration a fait émerger et conduisez les tests statistiques formels — t-test, ANOVA, régression — en produisant des sorties APA que vous copiez directement dans votre mémoire.

Ce workflow vous donne le meilleur des deux mondes : la rapidité conversationnelle de Julius pour l’exploration, la rigueur déterministe de JASP pour les résultats publiables. Notez toutefois que les résultats de Julius utilisés à des fins exploratoires ne doivent jamais être cités comme résultats finaux dans votre mémoire sans vérification indépendante.

Conseil RGPD : Si vos données sont issues d’entretiens ou de questionnaires soumis à consentement éclairé, privilégiez JASP pour toute la phase analytique. Les données restent sur votre machine, sans transit vers un serveur tiers. Julius AI, en tant que service cloud, implique un transfert de données dont vous devez informer vos participants. Pour les données d’entretiens, pensez à les anonymiser avant tout traitement, conformément au RGPD.

Recommandation finale

Pour un étudiant en master avec une composante quantitative, voici la recommandation nette :

Budget zéro, données sensibles, résultats publiables : JASP uniquement. Gratuit, rigoureux, sorties APA, aucune donnée quitte votre machine.
Exploration rapide avant une analyse formelle : Julius AI (plan gratuit 15 messages) pour l’exploration, puis JASP pour les analyses finales.
Données volumineuses, visualisations nombreuses : Julius AI Plan Plus ($20/mois) vaut l’investissement pour gagner du temps en phase exploratoire — mais JASP reste incontournable pour les résultats du mémoire.
Ce qui ne change pas quel que soit l’outil : vous devez comprendre ce que vous calculez. Un jury qui vous demande « pourquoi avez-vous choisi un t-test de Student ? » s’attend à une réponse sur vos hypothèses — pas sur les instructions que vous avez données à l’IA.

Pour la rédaction, la structuration et la mise en forme de votre mémoire une fois vos analyses terminées, Tesify vous accompagne de la problématique à la bibliographie automatique — sans remplacer la rigueur statistique que seul vous pouvez garantir.

JASP — analyses statistiques gratuites avec sorties APA (Université d’Amsterdam)

JASP est disponible gratuitement pour Windows, macOS et Linux. Chaque analyse fréquentiste peut être reproduite en version bayésienne en un clic. Les sorties sont formatées APA et exportables directement en Word — sans retouche manuelle.

Télécharger JASP gratuitement

Source : jasp-stats.org — Université d’Amsterdam (open-source)

FAQ

Julius AI est-il gratuit pour les étudiants ?

Julius AI propose un plan gratuit limité à 15 messages par mois. Pour une analyse de mémoire complète, ce quota est généralement insuffisant — vous devrez probablement souscrire au plan Plus ($20/mois) ou utiliser le plan gratuit de façon très sélective, uniquement pour les questions les plus importantes.

JASP peut-il lire des fichiers SPSS (.sav) ?

Oui. JASP supporte nativement les formats SPSS .sav, .zsav et .por, ainsi que les formats SAS, Stata, Excel, CSV et R Data. C’est l’un de ses atouts majeurs : si votre directeur de mémoire vous a fourni un fichier SPSS, JASP l’ouvrira sans conversion préalable.

Julius AI peut-il faire des analyses de régression fiables ?

Julius AI peut générer une régression linéaire ou logistique à partir d’un prompt naturel. Cependant, les résultats doivent être vérifiés — notamment la spécification du modèle, le traitement des valeurs manquantes et la pertinence des variables choisies. Pour une régression qui figurera dans votre mémoire, conduisez la même analyse dans JASP pour valider les résultats et obtenir des sorties APA directement exploitables.

JASP produit-il des tableaux au format APA ?

Oui. C’est l’une des fonctionnalités distinctives de JASP : les tableaux de résultats sont formatés selon les normes APA et peuvent être copiés directement dans un document Word. Cela évite la mise en forme manuelle et réduit les risques d’erreur de transcription — un avantage non négligeable pour la rédaction du chapitre résultats.

Puis-je utiliser Julius AI si mes données contiennent des informations personnelles ?

Non, ou uniquement après anonymisation complète. Julius AI est un service cloud : vos données sont transmises et traitées sur des serveurs distants. Si votre jeu de données contient des informations identifiantes (noms, e-mails, numéros d’identification), vous devez les supprimer ou les pseudonymiser avant tout téléversement, conformément au RGPD. JASP, qui fonctionne entièrement en local, est la seule option sûre pour des données sensibles non anonymisées.

JASP ou jamovi : quelle différence pour un mémoire de master ?

JASP et jamovi sont deux logiciels gratuits comparables. JASP se distingue par ses analyses bayésiennes intégrées et son intégration avec l’Open Science Framework, ce qui en fait un choix privilégié pour les masters recherche. jamovi est souvent perçu comme plus intuitif pour les débutants et propose un format de fichier unique (.omv) qui intègre données et analyses. Pour un mémoire professionnel standard, les deux sont excellents ; pour un master recherche avec des hypothèses bayésiennes, JASP est préférable.

Julius AI comprend-il le français pour les analyses statistiques ?

Oui, Julius AI accepte les requêtes en français. Vous pouvez écrire « calcule la moyenne et l’écart-type de chaque groupe » ou « génère un diagramme de dispersion entre X et Y » directement en français. La qualité des réponses est comparable à l’anglais pour les analyses courantes. Pour des analyses très techniques, formuler votre requête en anglais peut réduire le risque d’ambiguité d’interprétation.

Vos analyses sont terminées. Passez à la rédaction.

Tesify vous aide à structurer, rédiger et mettre en forme votre mémoire de master — de la problématique à la bibliographie automatique.

Commencer avec Tesify gratuitement

juillet 13, 2026

Validation des acquis de l’expérience (VAE) dans l’enseignement supérieur France 2025 : reprise des candidatures et chiffres clés

La VAE — Validation des Acquis de l’Expérience — est la troisième voie d’accès à la certification en France, aux côtés de la formation initiale et de la formation continue. Après plusieurs années de baisse, les candidatures à la VAE enseignement supérieur France statistiques 2025 confirment un retournement de tendance net : +25 % de nouvelles entrées en 2024, effet direct de la réforme portée par la loi n° 2022-1598 du 21 décembre 2022 et du lancement du guichet unique France VAE en juillet 2023.

Ce tableau de bord rassemble les chiffres officiels de la DEPP (Note d’Information n° 25‑67, décembre 2025) et des observatoires régionaux. Il est conçu pour les professionnels RH, les conseillers orientation et les étudiants qui évaluent la pertinence de cette voie.

Résultat clé : En 2024, ~16 200 candidatures ont été examinées (+13 % vs 2023), ~11 000 diplômes ont été délivrés, et le taux de validation totale pour les certifications de l’enseignement supérieur s’établit à ~80 %. Plus de 251 000 diplômes ont été délivrés depuis la création du dispositif en 2002.

Chiffres clés 2024 : candidatures et diplômes

La note DEPP n° 25‑67 (décembre 2025) couvre le périmètre de l’Éducation nationale (DAVA). Les chiffres ci-dessous correspondent aux jurys organisés en 2024 :

Indicateur	2023	2024	Évolution
Nouvelles entrées dans le dispositif	—	n.c.	+25 %
Candidatures examinées en jury	~14 300	~16 200	+13 %
Diplômes délivrés (validation totale)	~9 700	~11 000	+13 %
Part des dossiers visant le supérieur	~55 %	58 %	↑
Recevabilités accordées (toutes voies)	—	28 253	—

Source : DEPP, Note d’Information n° 25‑67, décembre 2025 ; Via Compétences, octobre 2025.

La reprise est attribuée à deux leviers concomitants : la simplification du parcours via France VAE (suppression de l’étape de recevabilité préalable au dossier) et les mesures de financement renforcées de l’accompagnement introduites à partir de décembre 2022.

Données DEPP — VAE : reprise des candidatures en 2024

Note d’Information n° 25-67 du Ministère de l’Éducation nationale (DEPP), décembre 2025. Couvre l’ensemble des certifications délivrées par l’Éducation nationale (DAVA).

Consulter la note statistique DEPP →

Source : DEPP, Note d’Information n° 25-67, Ministère de l’Éducation nationale, décembre 2025

Taux de validation par type de diplôme

Les taux ci-dessous combinent les données de la DEPP, de Via Compétences (Auvergne-Rhône-Alpes) et des enquêtes régionales publiées en 2024–2025. Ils portent sur les candidats présentés en jury (validation totale ou partielle).

Type de diplôme	Validation totale	Validation partielle	Périmètre
Licence professionnelle	82 %	n.c.	Universités
Master / Doctorat	72 %	n.c.	Universités
Diplôme d’ingénieur	44 %	56 %	Écoles d’ingénieurs
Certifications Éducation nationale (sup.)	80 %	n.c.	DAVA national
Titres Ministère du Travail	83 %	n.c.	AFPA / CFA
Certifications Sport/Jeunesse	37 %	n.c.	DRAJES

Source : pro-avenir.com d’après DEPP (données 2019 réf.) ; Via Compétences Auvergne-Rhône-Alpes 2024.

La licence professionnelle affiche le taux de validation totale le plus élevé de l’enseignement supérieur. Le diplôme d’ingénieur, dont le jury est soumis à une double évaluation (école et jury national), se démarque par une proportion élevée de validations partielles (56 %), invitant les candidats à anticiper un complément de formation.

Profil des candidats

Les données régionales et nationales convergent vers un portrait homogène :

Caractéristique	Valeur 2024
Proportion de femmes	~66–75 % (selon périmètre)
En emploi au moment de la demande	75–84 %
Tranche d’âge majoritaire	30–49 ans
Niveau de formation antérieur (supérieur)	39 % BAC+2 ; 25 % BAC+3
Secteurs dominants	Santé, social, éducation
Durée médiane du parcours (diplômes universitaires)	15–16 mois

Source : DEPP ; Via Compétences Auvergne-Rhône-Alpes 2024 ; pro-avenir.com.

Dans les filières universitaires (hors santé/social), le profil est plus équilibré en termes de genre, avec une surreprésentation masculine dans les diplômes d’ingénieur (87 % d’hommes). La tranche 30–49 ans représente la classe d’âge de loin la plus active : c’est la génération qui dispose de suffisamment d’expérience professionnelle pour constituer un dossier solide, tout en cherchant à formaliser une progression de carrière.

Diplômes les plus visés

Sur le périmètre de l’Éducation nationale, les cinq certifications les plus fréquemment examinées en jury en 2024 sont :

DEES (Diplôme d’État d’Éducateur Spécialisé) — 4 078 candidatures, soit 25 % des dossiers examinés
DEME (Diplôme d’État de Moniteur Éducateur) — 1 915 candidatures (+33 % vs 2023)
CAP Accompagnant Éducatif Petite Enfance (AEPE) — 1 432 candidatures (8,9 % du total)
BTS (toutes spécialités) — 6 941 recevabilités accordées en 2024 sur 28 253
Diplômes d’État du secteur santé (aide-soignant, auxiliaire de puériculture)

Dans l’enseignement supérieur stricto sensu (universités), les licences professionnelles des secteurs tertiaire, management et services à la personne dominent, suivies par les masters dans les domaines de l’éducation, du management public et des ressources humaines.

Évolution historique (2002–2024)

La loi de modernisation sociale du 17 janvier 2002 a créé la VAE dans sa forme actuelle. En vingt-deux ans, le dispositif a subi plusieurs cycles :

Période	Tendance	Facteur explicatif
2002–2013	Montée en charge progressive	Création du dispositif, montée en puissance des DAVA
2013–2022	Déclin progressif (−12 % sur la période)	Complexité administrative, concurrence du CPF, Covid
2021	+6 % (rebond post-Covid)	Rattrapage après suspension des jurys en 2020
2022–2023	Réforme structurelle	Loi n° 2022-1598, création de France VAE (juillet 2023)
2024	+25 % nouvelles entrées / +13 % candidatures	Guichet unique, financement renforcé, simplification parcours
Cumul depuis 2002	251 000 diplômes délivrés	DEPP Note d’Information n° 24.27, juillet 2024

Source : DEPP Note n° 24.27 (juillet 2024) ; DEPP Note n° 25‑67 (décembre 2025) ; Ministère de l’Éducation nationale, 2022.

France VAE : le guichet unique

Accessible sur vae.gouv.fr, le portail national France VAE a été conçu pour lever les obstacles administratifs qui freinaient les candidatures depuis une décennie. Ses indicateurs de performance à fin 2024 :

87 %+ des candidats passés par le portail ont obtenu leur diplôme
94 % des candidats recommandent la démarche
8 mois de durée moyenne de parcours (contre 15–16 mois par voie classique pour les diplômes universitaires)
Quatre types d’utilisateurs accompagnés : candidats, accompagnateurs, certificateurs, organisateurs de VAE collective

Le portail couvre l’ensemble des certifications inscrites au Répertoire National des Certifications Professionnelles (RNCP), ce qui inclut les diplômes universitaires. Pour les fonctionnaires, la procédure reste distincte et passe par les organismes référents désignés par le ministère employeur.

Point de vigilance : France VAE cible principalement les certifications professionnelles (RNCP). Pour un diplôme universitaire délivré en propre par un établissement (master recherche, doctorat hors VAE-doctorat), la demande doit toujours être adressée directement au service de formation continue de l’université concernée, conformément aux dispositions de l’article L. 613-3 du Code de l’éducation.

Financement de l’accompagnement

Le coût d’un accompagnement VAE varie généralement entre 1 200 € et 3 000 € selon le niveau de diplôme visé et l’organisme prestataire. Plusieurs dispositifs de prise en charge existent :

CPF (Compte Personnel de Formation) : mobilisable pour financer tout ou partie des frais d’accompagnement, sous réserve que la certification soit éligible
Plan de développement des compétences de l’employeur : l’entreprise peut financer la VAE dans le cadre de sa politique RH
OPCO : les opérateurs de compétences cofinancent les parcours pour les salariés des secteurs concernés
France Travail : prise en charge possible pour les demandeurs d’emploi, notamment dans le cadre d’un projet de reconversion
Région : certains conseils régionaux proposent des aides spécifiques pour les résidents engagés dans une VAE diplômante

La réforme de 2022–2023 a renforcé le financement de la phase d’accompagnement (rédaction du livret 2), qui était auparavant à la charge quasi exclusive du candidat. Ce levier est identifié par la DEPP comme l’un des facteurs principaux de la reprise des candidatures observée en 2024.

Préparer son dossier VAE avec l’IA. La constitution du livret 2 — qui décrit de façon détaillée les compétences acquises par l’expérience — est l’étape la plus exigeante du parcours. Tesify accompagne les candidats dans la structuration et la rédaction de leurs écrits académiques grâce à l’intelligence artificielle, en maintenant leur voix propre et leur authenticité.

FAQ — VAE dans l’enseignement supérieur France

Combien de candidatures VAE ont été examinées en 2024 dans l’enseignement supérieur ?

En 2024, environ 16 200 candidatures ont été examinées par des jurys VAE au titre de l’Éducation nationale, soit une hausse de 13 % par rapport à 2023. Plus de la moitié de ces dossiers (58 %) visaient un diplôme de l’enseignement supérieur — BTS, licence professionnelle ou master. Ces chiffres sont publiés par la DEPP dans sa Note d’Information n° 25‑67 de décembre 2025.

Quel est le taux de validation totale en VAE pour l’enseignement supérieur ?

Le taux de validation totale pour les certifications de l’enseignement supérieur s’établit autour de 80 % pour le périmètre Éducation nationale. Pour la licence professionnelle spécifiquement, il dépasse 82 %, et pour le master et le doctorat, il approche 72 %. Le diplôme d’ingénieur se distingue avec 44 % de validation totale et 56 % de validation partielle.

Qu’est-ce que le guichet unique France VAE ?

France VAE est le portail national lancé en juillet 2023 (vae.gouv.fr) qui centralise l’ensemble du parcours VAE : dépôt de dossier, désignation d’un accompagnateur, suivi du jury. Depuis son lancement, plus de 400 000 candidats ont obtenu un diplôme par la voie de la VAE, et 87 % des candidats passant par le portail aboutissent à une certification. La durée moyenne du parcours via France VAE est de 8 mois.

Quel est le profil type d’un candidat à la VAE en France ?

Les candidats à la VAE sont majoritairement des femmes (deux tiers environ), en emploi (75 à 84 % selon le périmètre), et appartenant à la tranche d’âge 30–49 ans. Le secteur de la santé, du social et de l’éducation concentre l’essentiel des demandes. Dans les filières universitaires, 39 % des candidats détiennent déjà un BAC+2 et 25 % un BAC+3.

Combien de diplômes ont été délivrés par la VAE depuis sa création ?

Depuis l’entrée en vigueur de la loi de modernisation sociale de 2002, plus de 251 000 diplômes ont été délivrés par la voie de la VAE en France, selon la Note d’Information DEPP n° 24.27 de juillet 2024. Ce chiffre couvre toutes les certifications, tous niveaux confondus, délivrées sous tutelle du ministère de l’Éducation nationale.

La VAE permet-elle d’obtenir un master ou une licence professionnelle ?

Oui. Tout diplôme délivré par une université ou un établissement d’enseignement supérieur est accessible par la VAE, y compris la licence professionnelle (taux de validation totale supérieur à 82 %), le master et le doctorat (72 %). La demande est déposée directement auprès de l’établissement délivrant le diplôme visé, ou via le portail France VAE pour les certifications RNCP.

Quelle durée prévoir pour une VAE dans l’enseignement supérieur ?

La durée moyenne d’un parcours VAE est de 8 mois selon le portail France VAE. Pour les diplômes universitaires (licence, master), les enquêtes régionales indiquent une durée médiane de 15 à 16 mois par voie classique, en raison de la complexité des dossiers de recevabilité et des délais entre sessions de jury.

Comment financer son accompagnement VAE ?

L’accompagnement VAE (coût moyen : 1 200 € à 3 000 €) peut être financé par le CPF, par l’employeur via le plan de développement des compétences, par les OPCO, ou par France Travail pour les demandeurs d’emploi. Certaines régions proposent également des aides spécifiques aux résidents engagés dans une VAE diplômante.

Conclusion

La VAE enseignement supérieur France statistiques 2025 dessinent un dispositif en nette reprise : +25 % de nouvelles entrées, ~16 200 candidatures examinées, ~11 000 diplômes délivrés, et un taux de validation totale de 80 % pour les certifications de l’Éducation nationale. La réforme de 2022–2023 et le guichet unique France VAE ont levé les principaux obstacles administratifs. Les actifs de 30 à 49 ans — majoritairement féminins, majoritairement en emploi — restent le cœur de cible du dispositif.

Pour les candidats qui envisagent de constituer leur livret 2 (description des compétences), la qualité de la rédaction reste déterminante pour convaincre le jury. Des outils comme Tesify permettent de structurer et de rédiger ce type de document académique de façon rigoureuse et personnalisée.

Sources : DEPP, Note d’Information n° 25‑67 (décembre 2025) — reprise des candidatures VAE en 2024 ; DEPP, Note d’Information n° 24.27 (juillet 2024) — 251 000 diplômes en 20 ans ; Via Compétences Auvergne-Rhône-Alpes, tableau de bord VAE 2024 (octobre 2025) ; portail France VAE (vae.gouv.fr) ; enseignementsup-recherche.gouv.fr.

juillet 13, 2026

Corrélation de Pearson ou de Spearman ? Choisir, calculer et interpréter dans son mémoire (SPSS, 2026)
Corrélation de Pearson ou de Spearman ? Choisir, calculer et interpréter dans son mémoire (SPSS, 2026)

Mesurer la force du lien entre deux variables continues ou ordinales est l’une des analyses les plus fréquentes dans un mémoire quantitatif — et l’une des plus mal utilisées lorsque le choix entre corrélation de Pearson et de Spearman n’est pas justifié. Ce guide détaille les conditions d’application de chaque coefficient, la procédure exacte dans SPSS, et la façon de rédiger un résultat de corrélation qui résiste à l’examen d’un jury.

En résumé : Utilisez la corrélation de Pearson pour deux variables continues, à relation linéaire et suivant approximativement une distribution normale (vérifiée par un test de Shapiro-Wilk). Utilisez la corrélation de Spearman pour des variables ordinales, des données non normalement distribuées, ou en présence de valeurs extrêmes influentes. Dans SPSS : Analyse > Corrélation > Bivariée, en cochant la case correspondante. Le résultat se rapporte avec le coefficient (r ou rho), la taille de l’échantillon et la valeur p, en rappelant toujours qu’une corrélation ne démontre jamais une causalité.
Table des matières

Qu’est-ce qu’une corrélation ?

Corrélation de Pearson : conditions d’application

Corrélation de Spearman : conditions d’application

Comment choisir entre Pearson et Spearman

Calculer la corrélation dans SPSS

Interpréter la force et le sens du coefficient

Matrice de corrélations et corrélation partielle

Rédiger la section résultats

Erreurs fréquentes : corrélation n’est pas causalité

FAQ — Questions fréquentes
1. Qu’est-ce qu’une corrélation ?

Une corrélation mesure l’intensité et la direction d’une relation entre deux variables, à l’aide d’un coefficient compris entre −1 et +1. Un coefficient proche de +1 indique que les deux variables augmentent ensemble ; proche de −1, que l’une augmente quand l’autre diminue ; proche de 0, qu’il n’existe pas de relation détectable entre elles selon la méthode utilisée.

Deux coefficients dominent la pratique en sciences humaines et sociales : le r de Pearson, qui mesure une relation strictement linéaire entre deux variables continues, et le rho de Spearman, calculé à partir des rangs des observations, qui mesure une relation monotone (pas nécessairement linéaire) et s’applique à des données ordinales ou non normalement distribuées.

2. Corrélation de Pearson : conditions d’application

La corrélation de Pearson repose sur plusieurs hypothèses qu’il convient de vérifier avant de l’utiliser :
- Variables continues (intervalle ou ratio) : un score de test, une durée, un montant — pas une variable ordinale à 5 catégories.
- Relation linéaire : vérifiable visuellement par un nuage de points (Graphes > Générateur de graphiques > Dispersion/points dans SPSS). Une relation en forme de courbe ne sera pas correctement capturée par Pearson.
- Distribution approximativement normale des deux variables, vérifiée par un test de Shapiro-Wilk.
- Absence de valeurs extrêmes influentes : Pearson est sensible aux outliers, qui peuvent gonfler ou masquer artificiellement la force d’une relation.
Pour vérifier la condition de normalité avant de choisir Pearson, notre guide sur le test de Shapiro-Wilk avec SPSS détaille la procédure complète et son interprétation.

3. Corrélation de Spearman : conditions d’application

La corrélation de Spearman est une alternative non paramétrique, plus robuste, à utiliser dans les cas suivants :
- Variables ordinales : échelles de Likert, classements, niveaux ordonnés (faible/moyen/élevé).
- Variables continues mais non normalement distribuées, ou dont la relation est monotone sans être linéaire (par exemple une progression qui ralentit).
- Présence de valeurs extrêmes : Spearman, calculé sur les rangs plutôt que sur les valeurs brutes, est beaucoup moins sensible aux outliers que Pearson.
Spearman est en pratique le choix le plus sûr par défaut dès que subsiste un doute sur la normalité des données ou la nature ordinale d’une variable — il produit rarement un résultat aberrant, contrairement à Pearson appliqué à tort sur des données qui ne remplissent pas ses conditions.

4. Comment choisir entre Pearson et Spearman

Un enchaînement simple de vérifications permet de trancher sans ambiguïté :
1. Vos deux variables sont-elles continues (intervalle/ratio) ? Si l’une des deux est ordinale, passez directement à Spearman.
2. Le test de Shapiro-Wilk est-il non significatif (p > ,05) pour les deux variables ? Si oui, la condition de normalité est respectée.
3. Le nuage de points montre-t-il une relation linéaire, sans valeurs extrêmes marquées ? Si oui aux trois conditions, utilisez Pearson.
4. Si une seule condition échoue (variable ordinale, non-normalité, relation non linéaire, ou outliers influents), utilisez Spearman.
En cas de doute, il est tout à fait acceptable de calculer les deux coefficients dans SPSS et de comparer : des résultats cohérents entre Pearson et Spearman renforcent la robustesse de votre conclusion, tandis qu’un écart important doit vous alerter sur une possible violation des conditions d’application de Pearson.

5. Calculer la corrélation dans SPSS
1. Allez dans Analyse > Corrélation > Bivariée.
2. Ajoutez les variables à corréler dans la case de droite (vous pouvez en ajouter plus de deux pour obtenir une matrice complète).
3. Dans la section « Coefficients de corrélation », cochez Pearson, Spearman, ou les deux selon votre décision préalable.
4. Choisissez le test de signification (bilatéral par défaut, sauf hypothèse directionnelle explicite justifiant un test unilatéral).
5. Validez : SPSS génère une matrice affichant le coefficient, la signification bilatérale (p) et le nombre d’observations (N) pour chaque paire de variables.
6. Interpréter la force et le sens du coefficient

La significativité (p) indique si la corrélation observée dans l’échantillon est probablement présente dans la population ; la valeur du coefficient indique la force de cette relation. Une convention largement citée en sciences sociales, issue des travaux de Jacob Cohen, propose les seuils indicatifs suivants pour une valeur absolue du coefficient : autour de 0,10 pour une corrélation faible, 0,30 pour une corrélation modérée, et 0,50 et au-delà pour une corrélation forte.

Ces seuils restent indicatifs et doivent être lus en contexte disciplinaire : une corrélation de 0,25 peut être considérée comme notable dans certains champs des sciences sociales où les relations entre variables humaines sont rarement très fortes. Ne confondez jamais un coefficient élevé avec un pourcentage de variance expliquée : c’est le coefficient au carré (r² ou rho²) qui exprime la part de variance partagée entre les deux variables.

7. Matrice de corrélations et corrélation partielle

Dès qu’un mémoire mobilise plus de deux variables continues, SPSS permet de générer directement une matrice de corrélations en ajoutant l’ensemble des variables dans la même boîte de dialogue Corrélation bivariée : chaque case du tableau croise une paire de variables avec son coefficient, sa significativité et son N. Cette vue d’ensemble est utile pour repérer rapidement les relations les plus fortes avant de choisir lesquelles approfondir dans le corps du mémoire, mais elle multiplie aussi le risque de faux positifs statistiques (plus vous testez de paires, plus il est probable qu’une corrélation ressorte comme significative par hasard) — à mentionner en limite méthodologique si votre matrice comporte de nombreuses variables.

Si vous soupçonnez qu’une troisième variable influence la relation observée entre vos deux variables d’intérêt, la corrélation partielle (Analyse > Corrélation > Partielle dans SPSS) permet de contrôler statistiquement l’effet de cette variable tierce et d’examiner si la relation initiale subsiste une fois cet effet neutralisé. C’est une étape souvent attendue dès qu’une variable confondante plausible (l’âge, l’ancienneté, le niveau socio-économique) peut expliquer une partie de la corrélation entre vos deux variables principales.

8. Rédiger la section résultats

Exemple de phrase de résultats (Pearson) : « Une corrélation de Pearson a été calculée pour évaluer la relation entre [variable 1] et [variable 2]. Une corrélation positive significative et d’intensité modérée a été observée, r(178) = ,34, p < ,001. »

Exemple de phrase de résultats (Spearman) : « Une corrélation de Spearman a été utilisée en raison de la nature ordinale de [variable]. Les résultats indiquent une corrélation positive significative, rho(178) = ,29, p < ,001. »

Précisez toujours dans votre partie méthodologie pourquoi vous avez choisi l’un ou l’autre coefficient — cette justification méthodologique, courte mais explicite, est souvent ce qui distingue une analyse statistique jugée rigoureuse d’une analyse jugée mécanique par un jury.

9. Erreurs fréquentes : corrélation n’est pas causalité
- Conclure à une causalité à partir d’une corrélation : une association statistique, même forte et significative, ne prouve jamais qu’une variable cause l’autre. Une variable confondante non mesurée peut expliquer l’association observée entre les deux variables étudiées.
- Utiliser Pearson sans vérifier la normalité : une erreur fréquente qui peut biaiser artificiellement la force du coefficient obtenu, en particulier avec un petit échantillon.
- Interpréter r directement comme un pourcentage de variance expliquée, sans l’élever au carré.
- Ignorer une relation non linéaire visible sur le nuage de points : Pearson peut afficher un coefficient proche de 0 alors qu’une relation forte mais courbe existe réellement entre les deux variables — un cas où Spearman ou une analyse de régression non linéaire s’impose.
- Multiplier les tests sans correction : générer une grande matrice de corrélations et ne commenter que les résultats significatifs, sans mentionner le nombre total de tests réalisés, fausse la lecture de vos résultats par le jury.
Si votre analyse porte sur plusieurs variables corrélées entre elles, une analyse en composantes principales (ACP) permet de synthétiser ces relations en un nombre réduit de facteurs. Et si votre objectif dépasse la simple mesure d’association pour chercher à prédire une variable catégorielle à partir d’autres variables, notre guide sur la régression logistique binaire avec SPSS est l’étape naturelle suivante. Pour comparer SPSS à des alternatives gratuites comme JASP ou Jamovi avant de vous lancer dans ces analyses, consultez notre comparatif JASP vs Jamovi vs SPSS. Si vous devez d’abord clarifier le choix global de votre approche avant de descendre au niveau d’un test précis, il est utile de poser d’abord les bases épistémologiques de votre méthodologie de recherche. Pour la rédaction de la justification méthodologique de votre choix de coefficient, Tesify peut vous aider à formuler cette section dans un style académique cohérent avec le reste de votre mémoire.

FAQ — Questions fréquentes

Quelle différence entre corrélation de Pearson et de Spearman ?

La corrélation de Pearson mesure une relation linéaire entre deux variables continues suivant approximativement une distribution normale. La corrélation de Spearman, basée sur les rangs, s’applique aux variables ordinales ou aux données continues non normalement distribuées, et mesure une relation monotone plutôt que strictement linéaire.

Comment savoir si mes données suivent une distribution normale ?

Le test de Shapiro-Wilk, disponible dans SPSS via Analyse > Statistiques descriptives > Explorer, permet de vérifier la normalité de chaque variable. Un p supérieur à ,05 suggère que la distribution ne s’écarte pas significativement de la normalité, ce qui autorise l’usage de Pearson.

Comment calculer une corrélation dans SPSS ?

Dans SPSS, allez dans Analyse > Corrélation > Bivariée, ajoutez vos variables, puis cochez Pearson et/ou Spearman selon le type de données. SPSS affiche le coefficient, la significativité bilatérale et la taille de l’échantillon pour chaque paire de variables.

Une corrélation significative prouve-t-elle une causalité ?

Non. Une corrélation, même forte et significative, indique une association statistique entre deux variables mais ne permet jamais de conclure qu’une variable cause l’autre. Une variable confondante non mesurée peut expliquer l’association observée.

Sources et références
- Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2e éd.). Lawrence Erlbaum Associates — référence académique des seuils conventionnels d’interprétation de la taille des coefficients de corrélation.
- IBM SPSS Statistics — Documentation officielle : procédure Corrélation bivariée.
juillet 13, 2026

Le Doctorat en France en Chiffres 2026 : Nombre de Doctorants, Durée Moyenne et Achèvement (Données MESR-SIES)

Soixante-neuf mille doctorants inscrits, quatorze mille sept cents thèses soutenues en un an, une durée réglementaire de trois ans que moins de la moitié des docteurs tiennent : les chiffres du doctorat en France 2026 racontent une réalité plus complexe que le calendrier officiel. Ce tour d’horizon s’appuie exclusivement sur les publications du service statistique du ministère (SIES), les notes flash annuelles et l’état de l’Enseignement supérieur, de la Recherche et de l’Innovation (EESR n°19). Chaque donnée est sourcée et datée — aucune estimation non vérifiée n’est présentée.

Que vous soyez candidat au doctorat, directeur de thèse ou responsable d’une école doctorale, ces indicateurs permettent de situer un parcours dans le contexte national : combien de doctorants entrent chaque année, dans quels domaines, avec quels financements, et en combien de temps la majorité parvient à soutenir.

Résultat clé : À la rentrée 2024-2025, 69 432 doctorants sont inscrits dans 289 écoles doctorales françaises. En 2024, 14 727 doctorats ont été délivrés (−3 % vs 2023). En 2024, 42 % des thèses sont soutenues en moins de 40 mois (+4 points sur un an) — mais ce taux culmine à 58 % en sciences exactes contre 11 % en sciences humaines. 81 % des nouveaux doctorants bénéficient d’un financement dédié. (Sources : SIES Note Flash n°14, juin 2025 ; EESR n°19, 2025.)

69 432 doctorants inscrits : l’effectif 2024-2025

À la rentrée 2024-2025, la France compte 69 432 étudiants inscrits en doctorat, en légère baisse de 0,3 % par rapport à 2023-2024. Sur dix ans, l’effectif total a reculé de 9,6 % par rapport à 2013 (EESR n°19, SIES 2025). Cette contraction traduit principalement le déclin des inscriptions en sciences de la société (−4,7 % sur un an) et en sciences humaines et humanités (−0,9 %), partiellement compensé par la progression des sciences exactes et applications (+1,8 %) et la quasi-stabilité des sciences du vivant (+0,4 %).

Les primo-inscrits — doctorants entrant en première année — sont en revanche en hausse : 17 000 nouveaux doctorants ont intégré le système à la rentrée 2024, soit +3,2 % par rapport à 2023 (16 400 primo-inscrits). Ces étudiants se répartissent dans les 289 écoles doctorales accréditées par le MESR. Pour comprendre le fonctionnement de ces structures et les critères d’admission, voir École doctorale en France : comment choisir et intégrer la bonne.

Effectifs du doctorat en France — évolution 2022-2025
Rentrée	Inscrits total	Primo-inscrits	Source
2022-2023	70 700	15 700	SIES NF 2024-17 / Campus France
2023-2024	69 639	16 400	SIES enquête EDs 2024
2024-2025	69 432	17 000	SIES enquête EDs 2025 / EESR n°19

14 727 docteurs diplômés en 2024 : la production annuelle

En 2024, la France a délivré 14 727 doctorats, soit une baisse de 3,0 % par rapport à 2023 (SIES Note Flash n°14, juin 2025). L’année 2023 avait constitué un pic à 15 187 diplômes (+9,6 % vs 2022), en partie liée au rattrapage post-pandémique des soutenances retardées. Le niveau 2024 reste toutefois supérieur aux années antérieures à 2022, confirmant une progression de long terme : +0,9 % par rapport à 2013 (EESR n°19).

Docteurs diplômés en France — évolution récente
Année	Docteurs diplômés	Variation	Source SIES
2023	15 187	+9,6 %	Note Flash SIES n°17, juin 2024
2024	14 727	−3,0 %	Note Flash SIES n°14, juin 2025

Une fois la soutenance réussie, la question de l’insertion professionnelle s’impose. Les données détaillées par discipline et type d’employeur sont disponibles dans l’article : Insertion professionnelle des docteurs en France 2024 : emploi, CDI et secteur privé par discipline.

Répartition par grand domaine : sciences, SHS et vivant

Le SIES ventile les effectifs doctoraux selon quatre grands domaines disciplinaires. À la rentrée 2024-2025, les sciences exactes et applications (mathématiques, physique, chimie, informatique, ingénierie) forment le premier contingent avec 26 815 inscrits (38,6 % du total). Les sciences humaines et humanités (littérature, histoire, philosophie, arts) arrivent en deuxième position (17 765 inscrits, 25,6 %), suivies des sciences du vivant — biologie, agronomie, environnement — (13 081 inscrits, 18,8 %) et des sciences de la société — économie, droit, gestion, sciences politiques — (11 771 inscrits, 17,0 %).

Doctorants inscrits et diplômés par domaine — France 2024-2025 et 2024 (Source : EESR n°19, SIES 2025)
Domaine	Inscrits 2024-25	Part	Diplômés 2024	Part diplômés
Sciences exactes & applications	26 815	38,6 %	7 125	48,4 %
Sciences humaines & humanités	17 765	25,6 %	2 499	17,0 %
Sciences du vivant	13 081	18,8 %	3 362	22,8 %
Sciences de la société	11 771	17,0 %	1 741	11,8 %
Total	69 432	100 %	14 727	100 %

L’écart entre la part dans les inscrits (25,6 %) et la part dans les diplômés (17,0 %) pour les sciences humaines est le signal le plus visible d’un phénomène structurel : ces doctorants mettent plus longtemps à soutenir — et certains n’y parviennent pas. À l’inverse, les sciences exactes surreprésentent les diplômés (48,4 %) par rapport à leur poids parmi les inscrits (38,6 %), signe d’une durée de thèse plus courte et d’un taux d’achèvement plus élevé.

Diagramme en barres comparant la part de doctorants inscrits et diplômés par grand domaine disciplinaire en France — sciences exactes, sciences humaines, sciences du vivant, sciences de la société — Illustration de la répartition des doctorants inscrits et des diplômés par grand domaine en France (2024-2025). Source de données : EESR n°19, SIES 2025.

Part de doctorants étrangers : la France, pôle d’attraction doctoral

Le doctorat français attire une proportion très élevée d’étudiants internationaux. En 2022-2023, 25 880 doctorants de nationalité étrangère étaient inscrits sur un total de 70 700, soit 37 % des effectifs (SIES / Campus France, Chiffres clés 2024). Ce taux dépasse la moyenne européenne (25 %) et place la France à égalité avec l’Irlande, légèrement derrière l’Autriche (39 %).

L’Afrique du Nord et le Moyen-Orient constituent la première zone géographique d’origine, devant l’Europe. En termes de diplôme d’accès, les données EESR n°19 indiquent que 80 % des primo-inscrits sont titulaires d’un diplôme français (master ou diplôme d’ingénieur) : la mobilité internationale au doctorat concerne donc principalement des étudiants qui ont effectué leurs études supérieures en France.

Tendance à surveiller : le nombre de doctorants étrangers inscrits à l’université a reculé d’environ 15 % en cinq ans, passant de près de 24 000 à environ 20 000 entre 2018-2019 et 2023-2024 (Campus France 2024). Cette évolution interroge sur l’attractivité internationale du doctorat français dans un contexte de concurrence accrue avec les universités anglo-saxonnes et asiatiques.

Durée de la thèse par discipline (données SIES 2025)

La durée réglementaire d’une thèse est fixée à 36 mois (3 ans) par les textes, avec possibilité d’extensions annuelles jusqu’à 6 ans en cas de contrat CIFRE, de situation de handicap, de thèse en cotutelle ou de circonstances exceptionnelles. La réalité statistique s’écarte sensiblement de ce cadre.

En 2024, 42 % des docteurs diplômés ont soutenu en moins de 40 mois, en hausse de 4 points sur un an et proche du niveau d’avant-Covid (SIES Note Flash n°14, juin 2025). Autrement dit, une majorité de docteurs dépasse encore la durée réglementaire de 36 mois. La durée médiane tous domaines confondus se situe dans la tranche 40-52 mois, soit environ 3 ans et demi à 4 ans et demi ; à l’autre extrémité, environ un diplômé sur dix soutient au-delà de 72 mois (EESR n°19, SIES 2025).

Part des docteurs 2024 ayant soutenu en moins de 40 mois, par domaine (Sources : SIES Note Flash n°14, juin 2025 ; contraste disciplinaire d’après EESR n°19)
Durée de la thèse	Tous domaines	Sciences exactes	Sciences humaines
Moins de 40 mois	42 %	≈ 58 %	≈ 11 %
40 mois et plus	58 %	≈ 42 %	≈ 89 %

Le contraste disciplinaire sur la tranche « moins de 40 mois » est saisissant : près de 58 % en sciences exactes contre à peine 11 % en sciences humaines. Cet écart tient à plusieurs facteurs structurels cumulatifs : le financement quasi-systématique des thèses en sciences exactes (qui permet de consacrer la totalité du temps à la recherche), la dépendance fréquente des doctorants SHS à une activité professionnelle parallèle, la nature des travaux en SHS (enquêtes de terrain longues, corpus documentaires étendus, conditions d’accès aux archives), et des cultures disciplinaires qui n’accordent pas la même valeur à la brièveté.

Pour explorer comment organiser concrètement la rédaction d’une thèse, le guide complet du doctorat en France 2026 détaille les étapes depuis l’inscription jusqu’à la soutenance.

Financement des doctorants : qui finance les thèses ?

Le financement est le déterminant le plus puissant de la durée et de l’achèvement de la thèse. À la rentrée 2024-2025, 81 % des primo-inscrits bénéficient d’un financement dédié — contre 79,2 % en 2023-2024 (SIES enquête EDs 2025 / EESR n°19). Ce taux agrégé cache des disparités disciplinaires considérables.

Principales sources de financement des primo-inscrits en doctorat — 2024-2025 (Source : SIES enquête EDs 2025 / EESR n°19)
Type de financement	Part des primo-inscrits
Contrats doctoraux MESRE (ministère)	38,6 %
Financement organismes de recherche (CNRS, Inserm, CEA, etc.)	18,4 %
Financements étrangers (co-financements internationaux)	11,2 %
Contrats CIFRE (partenariat avec une entreprise privée)	9,4 %
Autres financements (ANR, collectivités, fondations, etc.)	~3,4 %
Sans financement dédié (avec ou sans activité salariée parallèle)	~19 %

La disparité disciplinaire en matière de financement est l’une des plus prononcées du système d’enseignement supérieur français. En sciences exactes et applications, le taux de financement dépasse 97 % des primo-inscrits. En sciences humaines et humanités, il avoisine 50 % (données SIES 2023-2024). Cette inégalité structure directement le rythme de la thèse et la probabilité d’achèvement. Un doctorant non financé doit articuler son travail de recherche avec une activité professionnelle, ce qui allonge mécaniquement la durée de la thèse et accroît le risque d’abandon.

Achèvement et abandon : ce que disent les données

Les statistiques sur le taux d’achevement du doctorat sont moins systématiquement publiées que les effectifs ou les données de durée. Les études disponibles — analyses par cohorte du SIES, rapports HCERES et rapport Pommier-Lazarus — documentent un taux d’abandon significatif, particulièrement marqué en SHS et parmi les doctorants non financés. Cette dimension mérite un traitement à part entière, disponible dans l’article dédié : Taux d’abandon en thèse de doctorat en France : chiffres 2026, causes et durée réelle.

La distribution des durées présentée dans la section précédente offre un signal indirect : les thèses dépassant 72 mois ne sont pas toutes abandonnées, mais les analyses par cohorte de primo-inscrits montrent qu’une fraction non négligeable des doctorants inscrits ne parvient jamais à la soutenance — avec des taux qui varient fortement selon le domaine et la présence ou l’absence d’un financement. Pour situer le doctorat dans l’ensemble des diplômes de cycle long et comprendre la distinction fondamentale avec le master, voir le guide différence entre mémoire et thèse en 2026 sur fr.tesify.pro.

FAQ — Le doctorat en France en chiffres

Combien y a-t-il de doctorants en France en 2025 ?

À la rentrée 2024-2025, 69 432 doctorants sont inscrits dans les 289 écoles doctorales françaises, dont 17 000 primo-inscrits (+3,2 % par rapport à 2023). L’effectif total est en légère baisse de 0,3 % sur un an et de 9,6 % par rapport à 2013. Source : SIES enquête EDs 2025 / EESR n°19.

Combien de doctorats sont délivrés en France chaque année ?

En 2024, la France a délivré 14 727 doctorats, soit −3 % par rapport au pic de 2023 (15 187 diplômes). Les sciences exactes représentent 48,4 % des diplômes (7 125), devant les sciences du vivant (3 362), les sciences humaines (2 499) et les sciences de la société (1 741). Source : SIES Note Flash n°14, juin 2025.

Quelle est la durée médiane d’une thèse en France ?

En 2024, 42 % des thèses sont soutenues en moins de 40 mois (+4 points sur un an). La durée médiane tous domaines confondus se situe dans la tranche 40-52 mois. L’écart disciplinaire est considérable : environ 58 % des thèses en sciences exactes sont soutenues en moins de 40 mois, contre seulement 11 % en sciences humaines et humanités. Sources : SIES Note Flash n°14, juin 2025 ; EESR n°19.

Quelle proportion de doctorants en France sont étrangers ?

En 2022-2023, 37 % des doctorants inscrits en France (25 880 sur 70 700) étaient de nationalité étrangère. Ce taux est en recul d’environ 15 % en cinq ans. Les principales zones d’origine sont l’Afrique du Nord, le Moyen-Orient et l’Europe. Source : SIES / Campus France, Chiffres clés 2024.

Quel est le taux de financement des doctorants en France ?

81 % des primo-inscrits à la rentrée 2024-2025 bénéficient d’un financement dédié. Ce taux atteint plus de 97 % en sciences exactes mais tombe à environ 50 % en sciences humaines et humanités. Le principal mécanisme est le contrat doctoral MESRE (38,6 % des primo-inscrits), suivi du financement par les organismes de recherche (18,4 %). Source : SIES enquête EDs 2025 / EESR n°19.

Quel domaine regroupe le plus de doctorants en France ?

Les sciences exactes et applications concentrent 26 815 doctorants (38,6 % du total) à la rentrée 2024-2025, devant les sciences humaines et humanités (17 765, soit 25,6 %), les sciences du vivant (13 081, soit 18,8 %) et les sciences de la société (11 771, soit 17 %). Source : EESR n°19, SIES 2025.

Vous préparez votre thèse de doctorat ?

Structurer un manuscrit doctoral, organiser la bibliographie, rédiger les chapitres dans les délais : Tesify accompagne les doctorants à chaque étape de l’écriture, sans remplacer leur démarche scientifique.

Créer mon projet de thèse →

juillet 8, 2026

Comment Calculer la Taille de son Échantillon avec G*Power : Tutoriel Pas à Pas 2026

Votre directeur de mémoire vous demande de justifier votre taille d’échantillon — et vous ne savez pas par où commencer. C’est l’une des questions les plus fréquentes en méthodologie quantitative : combien de répondants faut-il recruter pour que vos résultats soient statistiquement valides ? G*Power est le logiciel gratuit de référence pour répondre à cette question, utilisé dans des milliers de mémoires et d’articles scientifiques chaque année. Ce tutoriel pas à pas vous guide depuis le téléchargement jusqu’à la formulation dans votre section méthodologie.

Calculer la taille de son échantillon avec G*Power n’exige aucune compétence avancée en statistiques. Il suffit de connaître trois paramètres — le niveau de signification, la puissance souhaitée et la taille d’effet anticipée — pour obtenir en quelques clics le nombre minimum de participants à recruter. Ce guide couvre les tests les plus courants dans les mémoires de master : t-test, ANOVA, corrélation et régression linéaire.

Réponse rapide

Pour calculer la taille d’échantillon avec G*Power : téléchargez le logiciel gratuitement sur psychologie.hhu.de, choisissez votre test statistique, saisissez α = 0,05, puissance = 0,80 et la taille d’effet de Cohen correspondante (petite, moyenne ou grande), puis cliquez sur « Calculate ». G*Power affiche directement le nombre total de participants nécessaires dans le champ « Total sample size ».

1. Les notions clés : puissance, alpha et taille d’effet

Avant d’ouvrir G*Power, il faut maîtriser trois paramètres fondamentaux. Ces concepts sont directement ceux que le logiciel vous demandera de renseigner.

Le niveau de signification α (alpha)

Alpha correspond au risque d’erreur de type I : la probabilité de rejeter l’hypothèse nulle alors qu’elle est vraie (faux positif). La convention scientifique internationale fixe α = 0,05, c’est-à-dire un risque de 5 %. Dans certaines disciplines médicales ou pharmaceutiques, on descend à α = 0,01 pour plus de rigueur. Dans les mémoires de master en sciences humaines et sociales, α = 0,05 est le seuil standard attendu par les jurys.

La puissance statistique (1 − β)

La puissance est la probabilité de détecter un effet réel lorsqu’il existe. β représente le risque d’erreur de type II (faux négatif) : manquer un effet qui existe pourtant. La convention minimale recommandée par Jacob Cohen est une puissance de 0,80, c’est-à-dire 80 % de chances de détecter un effet si celui-ci est présent dans la population. Certaines disciplines visent 0,90, mais 0,80 est généralement acceptable pour un mémoire de master.

La taille d’effet

La taille d’effet mesure l’ampleur du phénomène étudié, indépendamment de la taille de l’échantillon. Cohen a défini des conventions par type de test, largement utilisées lorsque vous n’avez pas d’estimation préalable :

Test	Indice	Petit	Moyen	Grand
t-test (2 groupes)	d de Cohen	0,20	0,50	0,80
ANOVA	f de Cohen	0,10	0,25	0,40
Corrélation (r)	r de Pearson	0,10	0,30	0,50
Régression linéaire (R²)	f² de Cohen	0,02	0,15	0,35

Diagramme illustrant les conventions de taille d'effet de Cohen selon le type de test statistique : petite, moyenne et grande taille d'effet pour t-test, ANOVA, corrélation et régression — Conventions de taille d’effet de Cohen par type de test statistique — repères à utiliser en l’absence d’étude de référence dans votre domaine

Conseil pratique : si vous avez accès à des études similaires dans votre domaine, utilisez leur taille d’effet rapportée plutôt que les conventions de Cohen — votre calcul sera plus précis et mieux reçu par le jury.

Pour approfondir la réflexion sur la taille d’échantillon en lien avec le type d’approche, consultez ce guide sur la taille d’échantillon qualitatif vs quantitatif.

Étape 1 — Télécharger et ouvrir G*Power

G*Power est un logiciel gratuit développé par l’Université Heinrich-Heine de Düsseldorf (Allemagne). Il fonctionne sur Windows et macOS (Intel). Voici comment procéder :

Rendez-vous sur psychologie.hhu.de (section G*Power) ou cherchez « G*Power HHU download » dans votre navigateur. La version actuelle est G*Power 3.1.9.6.
Téléchargez le fichier correspondant à votre système : GPower_3_1_9_6.zip pour Windows, ou le fichier .dmg pour macOS.
Décompressez (Windows) ou montez le disque virtuel (macOS), puis lancez l’exécutable. Aucune installation complexe n’est requise : G*Power s’ouvre directement.
L’interface s’affiche avec deux zones principales : Test family en haut (famille de tests : F, t, χ², z) et Statistical test (test précis). Sur la gauche : les champs de paramètres d’entrée. Sur la droite : les résultats.

Note macOS Apple Silicon (M1/M2/M3) : G*Power 3.1.9.6 a été compilé pour processeurs Intel. Il fonctionne via Rosetta 2, automatiquement activé sous macOS Ventura et versions ultérieures. Aucune manipulation supplémentaire n’est nécessaire.

Étape 2 — Choisir le bon test statistique

G*Power couvre des dizaines de tests statistiques. Pour un mémoire de master en sciences humaines, sociales ou de gestion, les quatre familles suivantes couvrent la grande majorité des besoins :

t-test indépendant (comparer deux groupes)

Utilisez-le si vous comparez deux groupes distincts (ex. : femmes vs hommes sur un score d’engagement). Dans G*Power : Test family → t tests, puis Statistical test → Means: Difference between two independent means (two groups).

ANOVA one-way (comparer trois groupes ou plus)

Utilisez-le si vous comparez plus de deux groupes (ex. : trois niveaux d’expérience). Dans G*Power : Test family → F tests, puis Statistical test → ANOVA: Fixed effects, omnibus, one-way.

Corrélation de Pearson

Utilisez-la pour tester l’association linéaire entre deux variables continues. Dans G*Power : Test family → t tests, puis Statistical test → Correlation: Point biserial model ou Bivariate normal model selon votre cas.

Régression linéaire multiple

Utilisez-la lorsque vous prédisez une variable continue à partir de plusieurs prédicteurs. Dans G*Power : Test family → F tests, puis Statistical test → Linear Multiple Regression: Fixed model, R² deviation from zero.

La sélection du bon test dans G*Power conditionne la pertinence du calcul. Si vous hésitez sur le type d’analyse adapté à vos données, le guide Méthodologie quantitative pour un mémoire de master vous aidera à choisir. Pour une introduction complète aux méthodes quantitatives, qualitatives et mixtes, consultez également le guide sur la méthodologie de recherche 2026.

Étape 3 — Saisir les paramètres (α, puissance, taille d’effet)

Une fois le test sélectionné, vérifiez que le Type of power analysis est réglé sur A priori: Compute required sample size. C’est le mode de référence pour planifier une étude avant de collecter vos données.

Renseignez ensuite les champs Input Parameters :

Effect size — saisissez la valeur de la taille d’effet selon le test choisi (voir tableau ci-dessus). Par défaut, entrez la valeur « moyenne » de Cohen si vous n’avez pas de référence dans la littérature.
α err prob — saisissez 0.05 (risque d’erreur de type I de 5 %).
Power (1 − β err prob) — saisissez 0.80 (puissance minimale recommandée).
Pour les tests nécessitant d’autres paramètres :
- t-test : Allocation ratio N2/N1 = 1 (groupes de taille égale). Choisir Two-tailed sauf si votre hypothèse est directionnelle.
- ANOVA : Number of groups = nombre de groupes à comparer.
- Régression : Number of predictors = nombre de variables indépendantes dans votre modèle.

Exemples illustratifs (données fictives à titre pédagogique, non issues d’une étude publiée)

t-test, d = 0,50, α = 0,05, puissance = 0,80, bilatéral → G*Power indique environ 64 participants par groupe (128 au total).
ANOVA à 3 groupes, f = 0,25, α = 0,05, puissance = 0,80 → G*Power indique environ 52 participants par groupe (156 au total).
Corrélation, r = 0,30, α = 0,05, puissance = 0,80, bilatéral → G*Power indique environ 84 participants.
Régression multiple, 3 prédicteurs, f² = 0,15, α = 0,05, puissance = 0,80 → G*Power indique environ 77 participants.

Illustration de l'interface G*Power montrant les paramètres d'entrée (alpha, puissance, taille d'effet) et le résultat de calcul de la taille d'échantillon — Interface G*Power : panneau des paramètres d’entrée (α, puissance, taille d’effet) et affichage du résultat Total sample size avec courbe de puissance

Étape 4 — Lire et interpréter le résultat

Après avoir saisi vos paramètres, cliquez sur le bouton Calculate. La zone Output Parameters affiche immédiatement les résultats :

Total sample size : le nombre total de participants à recruter. C’est la valeur à retenir.
Actual power : la puissance réelle obtenue avec l’échantillon arrondi (légèrement supérieure ou égale à la puissance cible).
Critical t / F / z : la valeur critique du test (utile pour l’interprétation des résultats, pas pour le calcul d’effectif).

G*Power génère également un graphique de puissance dans l’onglet « Power curve for a priori analyses ». Ce graphique montre comment la puissance évolue en fonction de la taille d’échantillon pour vos paramètres — très utile pour visualiser les compromis si vous avez des contraintes de recrutement.

Une fois votre taille d’échantillon calculée, pensez à croiser cette information avec votre méthode de collecte. Si vous administrez un questionnaire en ligne, le guide sur comment diffuser son questionnaire et améliorer le taux de réponse vous donnera des repères sur les taux de retour à anticiper selon le canal.

Étape 5 — Ajuster pour l’attrition et les données manquantes

Le nombre fourni par G*Power correspond au minimum de participants exploitables dans l’analyse finale. Dans la pratique, une partie des réponses sera incomplète, des questionnaires seront mal remplis, et certains participants abandonnent en cours de route. Il faut donc recruter davantage.

La formule d’ajustement est simple :

    N_recruter = N_gpower / (1 − taux_attrition_estimé)
  

Le taux d’attrition à retenir dépend de votre contexte :

Questionnaire en ligne distribué au réseau personnel : prévoyez 20 à 30 % de réponses inutilisables.
Questionnaire distribué en présentiel : 5 à 10 % suffisent généralement.
Étude longitudinale ou expérimentale : l’attrition peut atteindre 30 à 50 % selon la durée.

Exemple illustratif (non issu d’une étude publiée) : G*Power indique un minimum de 128 participants pour un t-test. Avec un questionnaire en ligne et un taux d’attrition estimé à 25 %, vous devrez distribuer votre questionnaire à au moins 171 personnes (128 / 0,75 ≈ 171).

Sur les stratégies d’échantillonnage (probabiliste, raisonné, boule de neige), consultez ce guide sur les méthodes d’échantillonnage pour mémoire de master.

Étape 6 — Rapporter le calcul dans votre mémoire

La justification de la taille d’échantillon doit figurer dans la section Participants ou Procédure de votre chapitre méthodologie. Le jury s’attend à voir trois informations : le logiciel utilisé, les paramètres saisis et le résultat obtenu.

Formulation type (à adapter à votre contexte)

« La taille d’échantillon a été déterminée à l’aide du logiciel G*Power 3.1.9.6 (Faul et al., 2007). Pour un t-test bilatéral avec un niveau de signification de α = 0,05, une puissance de 0,80 et une taille d’effet moyenne (d de Cohen = 0,50), le calcul a priori indique un minimum de 128 participants (64 par groupe). Afin de compenser un taux d’attrition estimé à 20 %, nous avons recruté 160 participants. »

La référence à citer pour G*Power est :

Faul, F., Erdfelder, E., Lang, A.-G., & Buchner, A. (2007). G*Power 3: A flexible statistical power analysis program for the social, behavioral, and biomedical sciences. Behavior Research Methods, 39(2), 175–191. https://doi.org/10.3758/BF03193146

Si votre mémoire s’appuie sur une analyse multivariée plus complexe, le guide Comment analyser ses données quantitatives avec SPSS ou Excel vous donnera les étapes suivantes, une fois votre collecte terminée.

Erreurs fréquentes à éviter

G*Power est simple à prendre en main, mais certaines erreurs reviennent systématiquement dans les mémoires. Voici les plus courantes :

Choisir le mauvais type d’analyse de puissance. G*Power propose cinq modes différents (A priori, Post hoc, Criterion, Sensitivity, Compromise). Pour planifier une étude avant la collecte, utilisez toujours A priori. Le mode Post hoc — utilisé pour calculer la puissance après coup — donne des résultats différents et ne justifie pas une taille d’échantillon a posteriori.
Utiliser la mauvaise taille d’effet par défaut. Certains étudiants entrent d = 0,80 (grande taille d’effet) pour minimiser l’effectif requis. Cela produit un échantillon trop petit si l’effet réel est moyen ou petit, et les résultats risquent de ne pas atteindre la significativité. Préférez une estimation conservatrice (petite ou moyenne) ou basez-vous sur la littérature existante.
Oublier de préciser le nombre de groupes pour l’ANOVA. Le champ Number of groups est crucial : une ANOVA à 3 groupes ne donnera pas le même résultat qu’une ANOVA à 2 groupes, même avec les mêmes paramètres.
Ne pas ajuster pour l’attrition. Fournir à votre jury le chiffre brut de G*Power sans mentionner l’ajustement donne l’impression que vous n’avez pas anticipé les réalités du terrain.
Confondre « puissance » et « niveau de confiance ». La puissance (1 − β) n’est pas le niveau de confiance (1 − α). Ce sont deux concepts distincts. La puissance mesure la sensibilité du test à détecter un effet ; le niveau de confiance mesure la fiabilité d’une estimation.
Ne pas citer G*Power dans la bibliographie. G*Power est un outil scientifique cité par des dizaines de milliers d’articles. L’omettre dans votre bibliographie est une erreur méthodologique aux yeux du jury.

Questions fréquentes (FAQ)

G*Power est-il gratuit et fiable pour un mémoire de master ?

Oui. G*Power est un logiciel entièrement gratuit développé par l’Université Heinrich-Heine de Düsseldorf et disponible sur psychologie.hhu.de. Il est cité dans des dizaines de milliers de publications scientifiques internationales et constitue la référence standard pour le calcul de taille d’échantillon en sciences humaines et sociales. Son utilisation dans un mémoire de master est tout à fait appropriée et appréciée par les jurys.

Quelle taille d’effet choisir si je n’ai aucune étude de référence ?

Sans étude préalable dans votre domaine, utilisez les conventions de Cohen pour une taille d’effet moyenne : d = 0,50 pour un t-test, f = 0,25 pour une ANOVA, r = 0,30 pour une corrélation, f² = 0,15 pour une régression multiple. C’est le choix le plus neutre et le plus défendable devant un jury. Évitez délibérément la grande taille d’effet uniquement pour réduire l’effectif requis.

Peut-on utiliser G*Power pour une analyse de régression logistique ?

Oui. G*Power propose un module dédié à la régression logistique : Test family → z tests → Logistic regression. Ce module demande des paramètres supplémentaires (proportion de la variable dépendante dans chaque groupe, odds ratio anticipé). Si vous ne disposez d’aucune estimation, une revue de la littérature dans votre domaine est vivement recommandée avant d’utiliser ce module.

Comment justifier une taille d’échantillon inférieure à celle calculée par G*Power ?

Si votre population est restreinte (ex. : une profession rare, un dispositif spécifique) ou si vos contraintes de temps et de budget limitent le recrutement, vous pouvez argumenter avec honnêteté : indiquez la puissance réelle obtenue avec votre effectif disponible (via le mode Post hoc de G*Power), reconnaissez la limite et expliquez pourquoi la collecte reste valide dans ce contexte exploratoire. Un jury comprend les contraintes du terrain à condition qu’elles soient clairement explicitées.

Faut-il utiliser G*Power pour une approche qualitative ?

Non. G*Power est conçu exclusivement pour les études quantitatives où des tests d’inférence statistique sont réalisés. En recherche qualitative, la taille d’échantillon est déterminée par le principe de saturation théorique (généralement 8 à 15 entretiens selon la méthode) et non par un calcul de puissance. Pour les approches qualitatives, référez-vous à votre cadre théorique et aux pratiques de votre discipline.

G*Power fonctionne-t-il pour les tests non paramétriques ?

G*Power propose quelques tests non paramétriques (notamment via la famille des tests exacts). Cependant, la couverture des tests non paramétriques est limitée comparée aux tests paramétriques. Pour des tests comme Mann-Whitney U ou Kruskal-Wallis, G*Power peut fournir une approximation en utilisant le test paramétrique équivalent avec un léger suréchantillonnage (règle pratique : multiplier la taille obtenue par 1,15 à 1,20 pour compenser la perte de puissance).

Construisez votre méthodologie plus rapidement avec Tesify

G*Power vous donne le chiffre — mais rédiger la section méthodologie complète (population, échantillon, instruments, procédure, plan d’analyse) reste une tâche longue et exigeante. Tesify est l’assistant IA spécialisé en rédaction académique qui vous aide à structurer et rédiger chaque section de votre mémoire selon les normes de votre discipline — de la problématique à la conclusion.

Commencer gratuitement →

juillet 2, 2026

Taux d’abandon en thèse de doctorat en France : chiffres 2026, causes et durée réelle

Sur les 69 600 étudiants inscrits en doctorat en France à la rentrée 2023-2024, une proportion significative ne déposera jamais sa thèse. Les statistiques officielles sur le taux d’abandon en thèse de doctorat en France restent peu centralisées, mais les données du SIES (Sous-direction des systèmes d’information et des études statistiques, MESR), les rapports d’évaluation du HCERES et le rapport Pommier-Lazarus de novembre 2024 permettent désormais de dresser un tableau précis. Cet article compile l’ensemble des données disponibles : taux d’abandon par discipline, durée réelle de la thèse, effet du financement et facteurs humains qui précipitent le décrochage.

Résultat clé

Le taux de réussite en doctorat est estimé à environ 87 % pour 2023-2024 (SIES/MESR), soit un taux d’abandon d’environ 13 % sur l’ensemble du cycle. Ce taux varie fortement selon la discipline et le financement : inférieur à 5 % dans les écoles doctorales scientifiques bien dotées, il peut dépasser 30 % en sciences humaines et sociales lorsque les doctorants ne bénéficient d’aucun financement dédié. La durée réelle de la thèse s’étend de moins de 40 mois en sciences exactes à plus de 72 mois en SHS.

Panorama des effectifs doctoraux 2023-2024

Source : MESR/SIES — État de l’enseignement supérieur, de la recherche et de l’innovation en France n°18 (données 2023-2024)

Le doctorat français est en contraction structurelle depuis plus d’une décennie. À la rentrée 2023-2024, le MESR/SIES dénombre 69 600 inscrits en doctorat, soit une baisse de 1,5 % en un an et de 11,2 % par rapport à la rentrée 2012. Le nombre de primo-inscrits recule de 13,6 % sur la même période, même si la rentrée 2023-2024 enregistre un rebond de +4,6 % avec 16 500 nouveaux doctorants — signe que la désaffection n’est pas irréversible.

Effectifs doctoraux par champ disciplinaire — rentrée 2023-2024 (Source : MESR/SIES, EESRI n°18)
Champ disciplinaire	Inscrits	Part du total
Sciences exactes et applications	26 332	37,8 %
Sciences humaines et humanités	17 980	25,8 %
Sciences du vivant	13 026	18,7 %
Sciences de la société	12 301	17,7 %
Total	69 600	100 %

Côté résultats, le bilan est plus encourageant : 15 187 diplômes de doctorat ont été conférés en 2023, un record absolu (+9,6 % par rapport à 2022, +2,6 % par rapport à 2012), en partie grâce au rattrapage post-pandémie. Les hausses les plus marquées concernent les sciences agronomiques (+20,8 %), les sciences exactes (+20,2 %) et les sciences du vivant (+14,8 %). À l’inverse, les sciences humaines et sociales affichent un léger recul de −2,2 % du nombre de primo-inscrits.

Taux d’abandon en thèse de doctorat : ce que disent les données nationales

La mesure centralisée du taux d’abandon en thèse de doctorat en France reste lacunaire. Le MESR ne publie pas de taux national consolidé d’attrition : les données disponibles proviennent des enquêtes SIES sur les promotions de nouveaux docteurs, des rapports d’évaluation HCERES portant sur les écoles doctorales et des travaux de l’Observatoire de la vie étudiante (OVE). La synthèse de ces sources permet néanmoins de dégager des ordres de grandeur solides.

La donnée la plus synthétique disponible est le taux de réussite estimé à 87 % pour 2023-2024 (SIES), ce qui implique un taux d’abandon global d’environ 13 % sur l’ensemble du cycle doctoral toutes disciplines confondues.

Ce que révèlent les évaluations HCERES école doctorale par école doctorale

Dans leurs rapports d’évaluation des écoles doctorales, les comités d’experts du HCERES documentent systématiquement les taux d’abandon. L’analyse croisée de ces rapports individuels met en évidence une amélioration tendancielle significative :

Taux moyen d’abandon estimé à 12,1 % pour les promotions entrantes en 2017-2018
Ramené à 6,3 % pour les promotions entrantes en 2021-2022
Moyenne consolidée sur la période évaluée : environ 8,6 %
Dans les écoles doctorales scientifiques bien dotées : taux fréquemment inférieurs à 5 %
Dans les disciplines peu financées : taux pouvant dépasser 30 %

Point méthodologique : attention à l’interprétation des chiffres bruts

Une fraction des abandons officiellement comptabilisés correspond à des doctorants qui ont trouvé un emploi avant la soutenance — notamment via des conventions CIFRE en entreprise ou des recrutements en collectivités. Dans certaines écoles doctorales évaluées par le HCERES, ce motif représente la moitié des sorties sans diplôme. Le taux d’abandon « subi » — véritablement involontaire — est donc structurellement inférieur aux chiffres bruts présentés dans les rapports.

Durée réelle de la thèse par discipline

L’arrêté du 25 mai 2016 relatif à la formation doctorale fixe à trois ans en équivalent temps plein la durée normale de préparation d’une thèse. La réalité statistique s’éloigne sensiblement de cette norme selon la discipline, le type de financement et le contexte institutionnel.

Durée réelle de la thèse par discipline — promotions 2023 (Source : MESR/SIES)
Discipline	Part terminant en < 40 mois	Part dépassant 72 mois	Profil type
Sciences exactes et applications	37,6 %	Faible	Contrat doctoral 3 ans
Sciences du vivant	40,5 %	Faible	Contrat doctoral 3–4 ans
Sciences humaines et sociales	< 14 %	37,3 %	Souvent sans financement dédié
Toutes disciplines	38 %	~10 %	—

Le contraste est saisissant : en sciences du vivant et en sciences exactes, les doctorants financés terminent leur thèse avec une régularité proche du calendrier légal. En SHS, plus de 8 doctorants sur 10 ne respectent pas les 40 mois réglementaires, et plus d’un tiers mettent plus de six ans. La corrélation avec le financement est directe : seuls 4 doctorants en SHS sur 10 bénéficient d’un contrat doctoral ou d’une allocation dédiée, contre 7 sur 10 en moyenne nationale (données AEF info / SIES).

La comparaison dans le temps confirme une légère dégradation post-pandémie : la proportion de doctorants soutenant en moins de 40 mois était de 43 % pour la promotion 2016 (contre 38 % en 2023), en lien avec les reports de soutenance contraints par la crise sanitaire de 2020.

Le financement, premier déterminant de la réussite doctorale

Le lien entre financement et probabilité d’aller au bout de la thèse est la donnée la plus robuste et la plus constamment documentée de la littérature sur le doctorat français. Le rapport Pommier-Lazarus (novembre 2024), commandé par les ministres chargés de l’enseignement supérieur, de la recherche et de l’industrie, consolide cette démonstration avec des données récentes.

Financement des primo-inscrits en doctorat par discipline — 2023-2024 (Source : Rapport Pommier-Lazarus / MESR)
Discipline	Taux de financement dédié	Part combinant thèse et emploi	Sans financement ni emploi
Sciences exactes et applications	97,1 %	3 %	Marginal
Sciences du vivant	85,3 %	15 %	Rare
Sciences humaines et sociales	50,9 %	30 %	~20 %
Toutes disciplines	79,2 %	14 %	6,5 %

Ce taux global de 79,2 % de primo-inscrits financés représente une amélioration notable par rapport à 2012 (68,1 %), soit un gain de 11 points en une décennie. La structure du financement se décompose ainsi pour 2023-2024 (MESR/SIES) :

Contrats doctoraux MESR : 40,8 % des financements
Organismes de recherche (CNRS, Inserm, CEA, etc.) : 16,9 %
Conventions CIFRE (industrie) : 9,9 %
Financement par un établissement étranger : 10,6 %

La conséquence directe sur l’abandon : selon les rapports d’évaluation HCERES, dans les disciplines où le financement est la norme, les abandons restent l’exception. À l’inverse, parmi les doctorants en SHS sans financement ni emploi régulier — environ 20 % de cette population —, le risque de décrochage est le plus élevé.

Causes de l’abandon : encadrement, isolement et précarité financière

Au-delà du financement, la décision d’abandonner la thèse est multifactorielle. Les travaux publiés dans la Revue internationale de pédagogie de l’enseignement supérieur (OpenEdition) et les enquêtes de l’Observatoire de la vie étudiante (OVE) identifient trois catégories de déterminants qui s’alimentent mutuellement.

La relation d’encadrement : facteur protecteur ou déclencheur

La qualité de la relation entre le doctorant et son directeur de thèse constitue le premier déterminant non financier du parcours doctoral. Une direction claire, un retour régulier sur les travaux et une capacité à sortir le doctorant de l’isolement intellectuel réduisent considérablement le risque d’abandon. À l’inverse, une supervision défaillante — consignes floues, indisponibilité chronique, conflits interpersonnels — figure parmi les premiers motifs explicitement mentionnés dans les études qualitatives françaises sur le décrochage doctoral.

La charte d’intégrité scientifique en thèse, rendue obligatoire par le décret du 26 août 2022, encadre désormais les obligations mutuelles entre le doctorant, son directeur et son institution. Elle prévoit notamment des formations obligatoires à l’éthique de la recherche — une mesure qui contribue à clarifier les attendus du parcours doctoral et à réduire les malentendus susceptibles de mener à l’abandon.

Isolement social et santé mentale : une problématique documentée

Le doctorat est structurellement une expérience solitaire, particulièrement en SHS où les doctorants travaillent souvent en dehors des grands laboratoires collectifs. Le Réseau National des Collèges Doctoraux (RNCD) indique que, parmi les doctorants inscrits en 2022-2023, 54 % se déclaraient exposés au stress. Cette prévalence est cohérente avec des données comparatives publiées dans la littérature internationale en sciences de l’éducation, qui montrent que les doctorants présentent des niveaux de vulnérabilité psychologique significativement plus élevés que des salariés de niveau de qualification comparable.

Les variables les plus corrélées à la dégradation du bien-être incluent l’isolement social, la difficulté à maintenir une vie en dehors de la thèse et le sentiment de stagnation face aux exigences de production scientifique. Ces facteurs se cumulent chez les doctorants précaires qui combinent rédaction et activité salariée à temps plein. Les enquêtes récentes sur les usages numériques montrent par ailleurs que les étudiants chercheurs intègrent progressivement des outils d’IA dans leur pratique de recherche documentaire et de rédaction — une évolution dont les implications sur les pratiques académiques sont suivies de près, comme en témoignent les statistiques sur l’utilisation de l’IA par les étudiants en 2026 (fr.tesify.pro).

Précarité financière et travail contraint

Pour les doctorants sans financement dédié, la thèse se rédige en parallèle d’une activité professionnelle souvent incompatible avec le rythme de la recherche. Les données de l’enquête OVE 2020 (n = 636 doctorants) montrent que 80 à 90 % des doctorants en situation de travail occasionnel déclarent ne pas pouvoir couvrir leurs besoins mensuels — un signal fort de précarité structurelle qui pèse directement sur la motivation à poursuivre.

Les statistiques sur la mobilité étudiante internationale en France 2026 illustrent un contraste révélateur : les doctorants bénéficiant de co-tutelles ou de financements internationaux accèdent à des structures d’encadrement diversifiées qui atténuent ces risques. Pourtant, les inscriptions en co-tutelle internationale ont elles aussi reculé à 931 primo-inscrits en 2023-2024, niveau le plus bas depuis 2012 selon le MESR/SIES — une convergence préoccupante de plusieurs indicateurs négatifs.

Tendances 2026 et perspectives

Une contraction structurelle des effectifs qui se confirme

La France a perdu 18 % de nouveaux inscrits en doctorat entre 2010 et 2022 (AEF info / MESR). Si le rebond de rentrée 2023-2024 est encourageant, il ne compense pas la tendance de fond. La désaffection est particulièrement marquée en sciences humaines, où le déficit chronique de financement, la durée allongée des thèses et des perspectives d’insertion académique limitées se cumulent pour décourager les vocations.

La professionnalisation du doctorat comme réponse structurelle

Le rapport Pommier-Lazarus (2024) formule dix recommandations pour améliorer la reconnaissance et la valorisation du doctorat en entreprise, notamment en augmentant la part des docteurs parmi les chercheurs et ingénieurs du secteur privé. L’objectif est d’élargir les débouchés pour réduire le sentiment d’impasse qui pousse certains doctorants à l’abandon — en particulier ceux dont les perspectives académiques s’avèrent étroites.

La vague E du HCERES : un suivi renforcé à partir de 2026

La vague E des évaluations HCERES (2026), portant sur les universités d’Île-de-France et des Hauts-de-France, renforce le suivi des taux de complétion et des délais de soutenance dans son référentiel d’évaluation des formations doctorales. Les écoles doctorales concernées devront documenter plus précisément leurs dispositifs d’accompagnement des doctorants en difficulté — ce qui améliorera la disponibilité des données nationales d’ici 2027. Pour repérer les écoles doctorales par discipline et établissement, l’annuaire des écoles doctorales en France par discipline 2026 constitue un point d’entrée structuré.

La valorisation de l’archive ouverte comme levier de visibilité

Dans ce contexte de contraction, rendre visibles ses travaux doctoraux prend une importance accrue, y compris pour les doctorants qui n’iront pas jusqu’à la soutenance. Le dépôt en archive ouverte nationale — dont le guide pratique est détaillé dans HAL/DUMAS : publier son mémoire étape par étape 2026 — permet d’assurer la diffusion et de valoriser une contribution scientifique partielle le cas échéant.

À titre comparatif, les taux d’abandon à l’université en France au niveau licence et master présentent un profil différent — concentrés en première année de licence, souvent liés à l’orientation plutôt qu’à la précarité — mais les facteurs financiers et d’accompagnement restent des constantes à tous les niveaux du cycle universitaire.

Questions fréquentes sur le taux d’abandon en thèse de doctorat en France

Quel est le taux d’abandon moyen en thèse de doctorat en France ?

Le taux de réussite en doctorat est estimé à environ 87 % pour 2023-2024 (SIES/MESR), ce qui correspond à un taux d’abandon d’environ 13 % sur l’ensemble du cycle. Les rapports d’évaluation HCERES sur les écoles doctorales documentent une amélioration notable : de 12,1 % pour les promotions 2017-2018 à 6,3 % pour les promotions 2021-2022, avec une moyenne consolidée d’environ 8,6 %.

Quelle discipline enregistre le plus fort taux d’abandon en doctorat ?

Les sciences humaines et sociales (SHS) enregistrent les taux d’abandon les plus élevés. Avec seulement 50,9 % des primo-inscrits bénéficiant d’un financement dédié (contre 97,1 % en sciences exactes), les doctorants en SHS sont contraints de combiner thèse et activité salariée, ce qui allonge la durée et multiplie le risque de décrochage. Dans les écoles doctorales en SHS sans financement structurel, les taux d’abandon peuvent dépasser 30 %.

Combien de temps dure réellement une thèse de doctorat en France ?

La durée légale est de trois ans (arrêté du 25 mai 2016). En pratique, en sciences exactes, 37,6 % des doctorants soutiennent en moins de 40 mois ; en sciences du vivant, 40,5 %. En SHS, plus de 37 % mettent plus de 72 mois (six ans) et moins de 14 % terminent dans les 40 mois réglementaires. Toutes disciplines confondues, 38 % des docteurs de la promotion 2023 ont soutenu en moins de 40 mois (MESR/SIES).

Quelles sont les principales causes d’abandon d’une thèse de doctorat ?

Les principales causes documentées sont : (1) la précarité financière — absence de contrat doctoral ou de financement dédié ; (2) les problèmes d’encadrement — indisponibilité du directeur, consignes floues, conflits relationnels ; (3) l’isolement social et les difficultés de santé mentale (54 % des doctorants se déclarent exposés au stress, enquête RNCD 2022-2023) ; (4) un marché académique étroit qui décourage la poursuite au-delà des premières années d’inscription.

Le taux d’abandon en doctorat augmente-t-il ou diminue-t-il en France ?

Les données HCERES suggèrent une tendance à la baisse du taux d’abandon : de 12,1 % (promotions 2017-2018) à 6,3 % (promotions 2021-2022). Cette amélioration s’explique en partie par la hausse du taux de financement des primo-inscrits, passé de 68,1 % en 2012 à 79,2 % en 2023-2024. La contraction globale des effectifs doctoraux (−11,2 % entre 2012 et 2023) signale néanmoins une désaffection structurelle qui dépasse la seule question de l’abandon en cours de thèse.

Que se passe-t-il si on abandonne sa thèse en cours de route ?

Un abandon n’est pas irréversible. Plusieurs options sont prévues par la réglementation française : la suspension d’inscription (accordée par le chef d’établissement, notamment pour raisons médicales ou familiales), le transfert vers un autre établissement avec un nouvel encadrement, ou l’interruption temporaire avec reprise ultérieure. Les travaux produits — articles publiés, chapitres rédigés — peuvent par ailleurs être valorisés indépendamment de la soutenance finale.

Structurez votre thèse avec méthode dès le premier chapitre

Les données présentées ici le montrent : la qualité de l’encadrement et la clarté méthodologique sont des facteurs protecteurs décisifs contre l’abandon. Tesify est un assistant IA conçu pour vous aider à structurer votre thèse chapitre par chapitre, vérifier la cohérence de vos citations et renforcer l’originalité de vos travaux — dans le respect des chartes d’intégrité scientifique de votre établissement. Essayer Tesify gratuitement →

juin 25, 2026

Résultats Bac 2026 par Académie : Taux de Réussite, Mentions et Analyse Complète

Les résultats du baccalauréat 2026 seront publiés le 7 juillet 2026 pour les trois voies — générale, technologique et professionnelle. Cette édition s’inscrit dans la continuité d’une tendance de fond : le taux de réussite au bac demeure à un niveau historiquement élevé (autour de 91 % toutes filières confondues), mais les disparités entre académies restent profondes et documentées. Comprendre ces résultats Bac 2026 par académie est essentiel tant pour les familles que pour les étudiants qui s’apprêtent à entrer dans l’enseignement supérieur.

Cet article regroupe l’ensemble des chiffres disponibles sur le baccalauréat 2026 : taux de réussite par filière, taux de mention, classement des académies, comparaison historique et analyse des facteurs explicatifs des écarts territoriaux. Les données définitives seront mises à jour dès leur publication officielle par le ministère de l’Éducation nationale le 7 juillet 2026.

En bref : Les résultats du Bac 2026 seront officiellement publiés le 7 juillet 2026. Sur la base des tendances 2025 (bac général : 96,4 %, technologique : 90,9 %, professionnel : 83,4 %), on anticipe des niveaux similaires en 2026. Les académies de l’Ouest (Rennes, Nantes) conservent historiquement les meilleurs taux, tandis que les académies ultramarines (Guyane, Mayotte) restent en retrait. Le taux de mention dépasse désormais 58 % des reçus.

1. Calendrier de publication des résultats 2026

Pour le baccalauréat 2026, le calendrier officiel prévoit :

Source : France 3 Normandie

Date	Événement
Mi-juin 2026	Épreuves terminales (écrit)
Fin juin 2026	Épreuves orales de rattrapage
7 juillet 2026	Publication officielle des résultats (toutes filières)
8 – 10 juillet 2026	Convocations aux épreuves orales de rattrapage
Mi-juillet 2026	Résultats définitifs après rattrapage

Les résultats sont consultables sur le site officiel du ministère (education.gouv.fr), sur les sites académiques et via des plateformes partenaires comme L’Étudiant. Les candidats peuvent également se rendre dans leur établissement le jour de la publication.

2. Taux de réussite par filière : bilan 2025 et projections 2026

Le baccalauréat 2025 a établi les références suivantes, qui servent de base aux projections pour 2026 :

Filière	2025	2024	Tendance
Bac général	96,4 %	96,1 %	Hausse +0,3 pt
Bac technologique	90,9 %	90,3 %	Hausse +0,6 pt
Bac professionnel	83,4 %	83,2 %	Stable +0,2 pt
Toutes filières confondues	~91 %	~90,7 %	Légère hausse

La stabilité à un niveau élevé du taux de réussite au bac général s’explique en partie par la réforme du lycée de 2019 (Blanquer), qui a intégré davantage de contrôle continu. Les épreuves communes de contrôle continu (E3C), maintenant bien établies dans le système, réduisent la variance des résultats.

3. Taux de mention 2026 : analyse complète

En 2025, 58,8 % des candidats reçus ont obtenu une mention. Ce taux continue sa progression, alimentée principalement par la composante du contrôle continu qui valorise le travail régulier sur l’année scolaire.

Répartition des mentions au bac général 2025

Mention	Seuil	Part des reçus (bac général 2025)
Très Bien	≥ 16/20	~19 %
Bien	14 – 16/20	~18 %
Assez Bien	12 – 14/20	~31 %
Passable	10 – 12/20	~28 %

Ces données montrent qu’environ un tiers des reçus au bac général obtiennent une mention Bien ou Très Bien, ce qui place leur dossier Parcoursup dans une position favorable pour les formations sélectives. Pour les programmes de master et d’école, ces mentions jouent également un rôle dans l’évaluation des candidatures via Mon Master.

4. Classement des académies 2025-2026

Sur la base des résultats 2025 (données de référence disponibles), voici le panorama des performances académiques en France :

Académies les mieux classées

Académie	Taux global (2025)	Bac général	Bac pro
Rennes	95,3 %	98,2 %	90,2 %
Nantes	94,0 %	97,5 %	88,1 %
Corse	94,5 %	97,8 %	87,0 %
Bordeaux	93,2 %	97,1 %	85,6 %

Académies en retrait

Académie	Taux global (2025)	Écart / moyenne nationale
Guyane	78,9 %	-12,1 pts
Mayotte	81,9 %	-9,1 pts
Martinique	84,5 %	-6,5 pts
Créteil	88,1 %	-2,9 pts

5. Disparités territoriales : comprendre les écarts

Les écarts de taux de réussite entre académies ne reflètent pas directement la qualité de l’enseignement dispensé dans chaque région. Ils résultent d’une combinaison de facteurs structurels :

La composition sociale des publics scolaires

Les académies présentant les taux les plus bas (Guyane, Mayotte) accueillent des publics avec des conditions d’apprentissage particulièrement difficiles : multilinguisme, ressources familiales réduites, infrastructures scolaires parfois insuffisantes. Les académies de l’Ouest, traditionnellement bien classées, bénéficient d’un tissu économique et éducatif plus favorable.

La part du bac professionnel

La composition de la filière dans chaque académie influence mécaniquement le taux global. Les académies avec une proportion plus élevée de candidats au bac professionnel (dont le taux de réussite est structurellement plus bas) affichent un taux global plus faible, sans que cela reflète une moins bonne performance intrinsèque.

Les politiques académiques de soutien

Les académies investissant davantage dans les dispositifs de soutien scolaire, les stages de remise à niveau et l’accompagnement personnalisé tendent à enregistrer de meilleures progressions au fil des années.

6. Évolution historique du taux de réussite au bac

La progression du taux de réussite au baccalauréat sur plusieurs décennies est l’une des tendances les plus constantes du système éducatif français :

1970 : moins de 30 % de la génération obtient le bac
1990 : environ 44 % de bacheliers dans une génération
2010 : 65 % de bacheliers
2020 : plus de 80 % d’une génération est bachelière
2025 : 91 % de taux de réussite aux épreuves (sur les inscrits)

Cette progression reflète à la fois une massification de l’accès au baccalauréat et des ajustements dans les modes d’évaluation. Le taux de réussite aux épreuves (91 %) diffère du taux de bacheliers dans une génération (environ 80 %) car tous les lycéens ne se présentent pas au bac.

7. Après le bac 2026 : les prochaines étapes

Une fois les résultats du bac 2026 obtenus, plusieurs démarches s’ouvrent immédiatement :

Pour les admis via Parcoursup

Les candidats admis via Parcoursup doivent confirmer leur vœu définitif rapidement après la publication des résultats. La procédure complémentaire de Parcoursup se poursuit jusqu’en septembre pour les candidats non affectés.

Pour les futurs étudiants en licence

L’inscription administrative à l’université doit être réalisée avant la rentrée de septembre. La CVEC (Contribution de Vie Étudiante et de Campus) est obligatoire et doit être acquittée avant l’inscription. Consultez les chiffres de la rentrée universitaire 2026-2027 pour anticiper toutes les démarches. Comparativement, en Italie les immatriculations universitaires pour l’année 2026-2027 font l’objet de prévisions similaires publiées par le MUR — voir l’analyse des immatricolazioni universitaires italiens 2026-2027 selon les prévisions MUR.

Sur le plan du financement des études, les bacheliers qui envisagent des programmes universitaires en Italie — notamment dans le cadre de mobilités ou de doubles diplômes — peuvent bénéficier de bourses FSE+ régionales spécifiques : le panorama complet de ces dispositifs pour 2026-2027 est documenté sur borse FSE+ regionali 2026-2027 per università in Italia.

Préparer sa réussite en L1

Dès l’obtention du bac, il est stratégique de commencer à acquérir les méthodes de travail universitaires. La transition lycée-université est l’un des moments de rupture les plus documentés du système éducatif français. Des outils comme les assistants à la rédaction académique peuvent accompagner cette transition dès les premiers travaux écrits universitaires.

Pour les candidats au rattrapage

Les candidats entre 8 et 10 de moyenne sont convoqués à des épreuves orales de rattrapage. Préparez deux disciplines de votre choix (généralement celles où vous avez les meilleures chances de progresser) et travaillez sur les sujets des sessions précédentes disponibles sur le site du ministère.

FAQ — Résultats Bac 2026

À quelle date précise seront publiés les résultats du bac 2026 ?

Les résultats du baccalauréat 2026 (général, technologique et professionnel) sont attendus le 7 juillet 2026. Ils seront consultables sur le site de votre académie, sur education.gouv.fr et sur les sites partenaires comme L’Étudiant. Certains établissements affichent également les résultats sur leur panneau d’affichage dès le matin du 7 juillet.

Quel est le taux de mention au bac général en 2026 ?

Les chiffres définitifs du taux de mention au bac général 2026 seront publiés par le ministère après les résultats du 7 juillet. Sur la base des tendances 2025 (58,8 % des reçus avec mention toutes filières, environ 68 % pour le seul bac général), on anticipe des chiffres similaires ou légèrement en hausse en 2026, portés par la progression continue du contrôle continu.

Comment consulter ses résultats du bac 2026 en ligne ?

Les résultats sont consultables sur le site de votre académie (ac-[nom].fr) en saisissant votre numéro d’identifiant national élève (INE), votre date de naissance et parfois un mot de passe temporaire envoyé par votre établissement. Ils sont également disponibles sur resultat-baccalaureat.fr et via l’application de L’Étudiant.

Quelle académie a le meilleur taux de réussite au bac en France ?

Sur la base des résultats 2025, l’académie de Rennes affiche le meilleur taux de réussite global avec 95,3 %, suivie par Nantes (94,0 %) et Corse (94,5 %). Ces académies de l’Ouest et du Sud se distinguent par leur performance dans les trois filières, notamment un taux de réussite au bac professionnel nettement supérieur à la moyenne nationale.

Un taux de mention faible dans mon académie pénalise-t-il mon dossier Parcoursup ?

Parcoursup évalue votre dossier individuel, pas votre académie d’origine. Votre mention personnelle est ce qui compte pour votre candidature, non les statistiques agrégées de votre académie. En revanche, certaines formations sélectives tiennent compte du classement dans l’établissement, ce qui peut indirectement refléter le niveau moyen de votre lycée.

Que faire si l’on obtient son bac sans mention ?

Obtenir le bac sans mention (entre 10 et 12/20) permet tout de même d’accéder à l’enseignement supérieur via Parcoursup. De nombreuses licences universitaires n’imposent pas de critère de mention. Les filières sélectives (CPGE, BTS, DUT) peuvent être plus exigeantes. L’absence de mention ne ferme aucune porte de manière définitive : les résultats en licence comptent davantage pour la suite du parcours que la mention au bac.

Conclusion

Les résultats du bac 2026 par académie s’inscriront vraisemblablement dans la continuité des tendances observées depuis plusieurs années : taux de réussite élevé au bac général, écarts territoriaux persistants, et taux de mention en progression constante. Ces chiffres seront mis à jour sur cette page dès leur publication officielle le 7 juillet 2026.

Pour les bacheliers 2026 qui s’apprêtent à entrer dans l’enseignement supérieur, la priorité des semaines suivant les résultats est de confirmer leur orientation, de compléter leurs démarches administratives (CVEC, inscription) et de commencer à acquérir les méthodes de travail universitaires. Le calendrier DSE et CROUS 2026-2027 donne les dates clés pour les démarches de bourse et de logement étudiant.

Si vous entrez en master ou en doctorat, les prochaines étapes académiques demandent une approche plus structurée. Découvrez comment construire une méthodologie de recherche solide pour vos premiers travaux universitaires de niveau master.

juin 23, 2026

Étiquette : statistiques

Apprentissage dans l’enseignement supérieur en France 2025 : 657 900 apprentis, BTS, BUT et licence pro en chiffres

Apprentissage dans l’enseignement supérieur en France 2025 : 657 900 apprentis, BTS, BUT et licence pro en chiffres

657 900 apprentis dans le supérieur : le chiffre clé 2024

Répartition par type de formation

Taux d’apprentissage par filière : qui mène la course ?

Part du public et du privé dans l’apprentissage du supérieur

Évolution 2020-2024 : accélération explosive puis décélération

Nouveaux contrats signés et dynamique du marché

Profil social des apprentis du supérieur : une démocratisation ciblée

Coût public de l’apprentissage : 15 milliards d’euros

Perspectives et enjeux pour 2025-2026

La modulation des aides à l’embauche

Le BUT comme vecteur de croissance dans les IUT

La question des ruptures de contrat

L’apprentissage au niveau master

FAQ — Apprentissage dans l’enseignement supérieur en France

Combien d’apprentis y a-t-il dans l’enseignement supérieur en France en 2024 ?

Quelles formations du supérieur comptent le plus d’apprentis ?

Quel est le taux d’apprentissage en IUT (BUT) en 2024 ?

Quelle est la part du secteur privé dans l’apprentissage du supérieur ?

Comment a évolué l’apprentissage dans le supérieur entre 2020 et 2024 ?

L’apprentissage démocratise-t-il l’accès aux grandes écoles ?

Quel est le coût public de l’apprentissage en France ?

Combien de nouveaux contrats d’apprentissage ont été signés en France en 2024 ?

Sources officielles et pour aller plus loin

JASP vs Jamovi vs SPSS pour les statistiques de ton mémoire en 2026

JASP vs Jamovi vs SPSS pour les statistiques de ton mémoire en 2026

Tableau comparatif : JASP, Jamovi, SPSS en un coup d’œil

JASP : le spécialiste bayésien, 100 % gratuit

Ce qui distingue vraiment JASP

Jamovi : l’alternative SPSS la plus accessible

Pourquoi Jamovi est le meilleur point d’entrée pour les étudiants qui migrent depuis SPSS

Export R : un bonus pour la reproductibilité

SPSS : la référence institutionnelle française

Prix et accès en 2026

Les avantages qui maintiennent SPSS dans le jeu

Quelle recommandation par discipline et par budget ?

Les analyses incontournables du mémoire : qui fait quoi ?

Output APA et mise en forme : le critère souvent oublié

JASP : champion de l’export APA clé en main

Jamovi : tableaux APA copiables depuis l’interface

SPSS : le formatage reste manuel

FAQ

JASP est-il vraiment gratuit pour les étudiants ?

Quelle est la différence principale entre JASP et Jamovi ?

Combien coûte SPSS pour un étudiant en France en 2026 ?

Jamovi peut-il remplacer SPSS pour un mémoire de master ?

Mon directeur exige SPSS — puis-je utiliser JASP ou Jamovi à la place ?

JASP fonctionne-t-il sur Mac et Windows ?

Quel logiciel choisir si je fais un mémoire en sciences sociales ?

Peut-on importer des données Excel dans JASP et Jamovi ?

Une fois tes stats en poche, c’est la rédaction qui compte

Étudiants en situation de handicap dans l’enseignement supérieur France 2025 : 63 817 inscrits, aménagements et disparités

Étudiants en situation de handicap dans l’enseignement supérieur France 2025 : 63 817 inscrits, aménagements et disparités

Chiffres clés 2023-2024 en un coup d’œil

Évolution historique : ×8,5 en vingt ans

Répartition par type de handicap

Filières et niveaux d’études

Répartition par grande filière (universités)

Répartition par cycle

Genre : une majorité féminine

Aménagements aux examens : tiers-temps et au-delà

Taux d’aménagement global

Types d’aménagements les plus fréquents

Politique publique : l’université inclusive

FAQ

Combien y a-t-il d’étudiants en situation de handicap dans l’enseignement supérieur en France ?

Qu’est-ce que le tiers-temps et qui peut en bénéficier ?

Quel type de handicap est le plus fréquent chez les étudiants ?

Comment obtenir une reconnaissance de handicap à l’université ?

Les étudiants en situation de handicap peuvent-ils bénéficier d’aides financières spécifiques ?

La part des ESH dans l’enseignement supérieur va-t-elle continuer à augmenter ?

Y a-t-il des disparités entre universités et grandes écoles dans l’accueil des ESH ?

Julius AI vs JASP : analyser ses données sans coder en 2026

Julius AI vs JASP : analyser ses données sans coder en 2026

Julius AI : l’analyste IA conversationnel

Fonctionnalités clés de Julius AI (2026)

Tarifs Julius AI (mai 2026)

JASP : le logiciel gratuit des chercheurs