Sur un continent où de nombreux enfants terminent l'école primaire sans avoir acquis les compétences de base en lecture, écriture et calcul, il reste urgent et nécessaire de suivre efficacement l'apprentissage fondamental. Alors que les pays africains s'efforcent d'atteindre les objectifs ambitieux des Objectifs de développement durable (ODD) et de la Stratégie continentale pour l'éducation en Afrique (CESA) 2026-2035 de l'Union africaine, la demande de données exploitables et fiables sur l'apprentissage n'a jamais été aussi forte.

Il est difficile de comparer les résultats d'apprentissage entre les différentes évaluations, car celles-ci :

1. Ne mesurent pas les mêmes choses : toutes les évaluations ne mesurent pas les mêmes compétences. Certaines privilégient la mesure des connaissances, tandis que d'autres se concentrent sur les aptitudes et les compétences.
2. Ne sont pas comparables dans le temps : de nombreuses évaluations nationales ne sont pas conçues pour être comparables sur le plan psychométrique dans le temps.
3. Ne sont pas comparables entre les pays : les évaluations des différents pays testent des compétences différentes à des niveaux scolaires différents. Il est difficile d'apprendre ou de comparer les résultats entre les pays, car les niveaux de difficulté varient considérablement.

Des consultations systématiques et des travaux techniques sont en cours depuis un certain temps afin d'harmoniser la conception et l'administration des évaluations et de rendre les données d'évaluation comparables. Ce blog fait le point sur deux options innovantes qui permettent de tirer le meilleur parti des données existantes à court terme pour répondre à des questions simples telles que : « Les résultats d'apprentissage de mon pays s'améliorent-ils ? » ou « Comment ce pays se positionne-t-il par rapport aux autres pays de la même région ? »

Ces approches ont été présentées et discutées lors d'un récent atelier à Nairobi, co-organisé par l'Association pour le développement de l'éducation en Afrique (ADEA), Human Capital Africa et le Foundational Literacy and Numeracy Hub (FLN Hub), avec le soutien de la Fondation Gates. Ensemble, ces approches explorent comment utiliser plus efficacement les données existantes pour suivre les progrès à deux étapes critiques de l'enseignement primaire : les premières années et la fin de l'école primaire. Nous pensons que ces innovations sont techniquement réalisables et, surtout, qu'elles ont le potentiel de catalyser le changement, de renforcer le plaidoyer et d'obtenir un engagement politique en faveur de l'apprentissage fondamental.

Pourquoi l'innovation dans la mesure de l'apprentissage est-elle importante ?

Les statistiques officielles sur l'éducation masquent souvent l'état réel de l'apprentissage. De nombreuses évaluations ne fournissent pas de données comparables ou actualisées. Le suivi des progrès devient encore plus difficile dans les systèmes peu performants, où la majorité des enfants peuvent obtenir des résultats inférieurs aux seuils minimaux de compétence. De plus, de nombreuses évaluations ne définissent pas correctement la « compétence minimale », ce qui rend leur interprétation difficile en dehors des milieux techniques. Cela limite notre capacité collective à suivre l'apprentissage et à plaider efficacement en faveur de réformes de l'apprentissage fondamental.

Il y a toutefois de l'espoir. Plusieurs innovations récentes semblent prometteuses pour combler ces lacunes, en particulier en matière de plaidoyer. Ces innovations ne visent pas à remplacer les investissements à long terme dans des évaluations nationales de haute qualité, mais offrent plutôt une voie complémentaire permettant aux pays de « mieux exploiter les données dont ils disposent » et de communiquer plus clairement sur les acquis scolaires des enfants et les écarts d'apprentissage.

Harmoniser la mosaïque : une nouvelle approche pour harmoniser les données sur les compétences

Au cours de l'atelier, Martin Gustafsson, de l'université de Stellenbosch, a présenté un travail novateur sur une méthode d'harmonisation hybride qui agrège les données sur les compétences provenant d'un large éventail d'évaluations afin de produire une image plus cohérente de l'apprentissage à la fin de l'école primaire en Afrique. Ces travaux actualisent et complètent les efforts précédents, tels que ceux d'Angrist et al. (2021) et de la Banque mondiale et de l'Institut de statistique de l'UNESCO (ISU), en appliquant des ajustements fondés sur le jugement afin d'harmoniser les données entre les différents programmes et niveaux scolaires.

Cette approche comprend :

• L'utilisation de statistiques d'évaluation publiées, même lorsque les microdonnées sous-jacentes ne sont pas disponibles
• L'ajustement des différences de difficulté des tests et de niveau scolaire
• Une attention particulière portée à l'extrémité « zéro compétence » des distributions, où la comparabilité est plus forte

Cette méthodologie fournit des statistiques harmonisées sur les compétences d'apprentissage pour 97 % de la population d'âge scolaire du continent africain, offrant des informations précieuses telles que :

• Le pouvoir prédictif étonnamment fort des compétences à l'âge de 7 ans sur les résultats ultérieurs
• Les grandes disparités entre les pays en matière de résultats d'apprentissage précoce, des différences qui sont souvent plus importantes que les progrès réalisés pendant tout le cycle primaire
• La réalité qui donne à réfléchir selon laquelle, dans de nombreux systèmes, les enfants scolarisés peuvent ne pas obtenir de résultats nettement meilleurs que leurs camarades non scolarisés

Ce qui rend cette approche puissante, c'est son utilité pratique. Elle permet aux gouvernements, aux bailleurs de fonds et aux chercheurs de comprendre et de communiquer les performances relatives, d'identifier les progrès (ou l'absence de progrès) et de mettre à jour les données d'apprentissage avec un minimum de retard. Elle permet également de contourner les défis politiques et statistiques qui accompagnent parfois les méthodes d'harmonisation plus rigides ou techniques.

Mais elle a aussi ses limites. Certains critiques peuvent remettre en question les éléments subjectifs impliqués dans l'ajustement ou l'imputation des données, tandis que les décideurs politiques nationaux peuvent s'opposer à des résultats qui présentent leur système sous un jour défavorable. Cependant, dans un contexte où tout retard équivaut à priver des millions de personnes de la possibilité d'apprendre, il vaut mieux prendre des mesures pratiques et crédibles dès maintenant plutôt que d'attendre des données parfaites demain.

Mesurer les scores zéro – un indicateur simple mais puissant

Cally Ardington, de l'African Foundational Learning Data Hub (AFLEARN), a présenté une étude de faisabilité explorant l'utilisation des « scores zéro » (enfants incapables de lire un seul mot) comme indicateur précoce de l'apprentissage fondamental. Cet indicateur complète les statistiques harmonisées sur les compétences à la fin du primaire, fournissant un signal précoce sensible indiquant si les systèmes établissent les bases de l'alphabétisation.

La force de cette approche réside dans sa simplicité et sa communicabilité. Alors que les seuils minimaux de compétence peuvent être opaques pour les non-spécialistes, l'incapacité à lire un seul mot est immédiatement compréhensible pour les parents, les décideurs politiques et le public. La tâche et la mesure sont suffisamment basiques pour éviter les distorsions linguistiques et curriculaires et éviter les défis méthodologiques liés à la mise à l'échelle ou à la cartographie des niveaux minimaux de compétence.

La mesure des scores nuls permet d'utiliser un éventail plus large d'évaluations, car les scores nuls sont sans doute plus comparables entre les évaluations que les moyennes. Les sources de données suivantes capturent déjà ou peuvent facilement capturer les informations nécessaires au calcul des scores nuls :

• EGRA (Évaluations de la lecture dans les premières années)
• Enquêtes par grappes à indicateurs multiples (MICS) de l'UNICEF Module d'apprentissage fondamental
• PASEC et outils ICARe du réseau PAL
• Évaluations nationales individuelles dans des pays comme Madagascar et l'Afrique du Sud

Des ajustements relativement mineurs aux outils existants, tels que l'amélioration de la manière dont les résultats des phrases d'entraînement sont enregistrés dans les MICS, faciliteraient la couverture généralisée de cet indicateur. Des ajustements techniques doivent être apportés, par exemple en alignant les évaluations effectuées par âge (par exemple, les MICS) sur celles effectuées par niveau scolaire (par exemple, le PASEC) et en garantissant la comparabilité entre les contextes. Cela est faisable. Cette approche pourrait permettre d'obtenir un indicateur capable de fournir des informations opportunes et communicables au public sur l'état de l'apprentissage fondamental et de soutenir les efforts visant à atteindre les élèves les plus en retard.

Des données à la plaidoyer : rendre le suivi de l'apprentissage exploitable

En réfléchissant à ces approches, nous pourrions nous demander : « Pourquoi ces innovations sont-elles importantes ? » La réponse est que nous ne pouvons pas améliorer ce que nous ne mesurons pas, et que nous ne pouvons pas susciter une volonté politique sans preuves claires et convaincantes qui attirent l'attention.

Les deux approches mentionnées ci-dessus répondent aux critères essentiels d'un plaidoyer efficace :

• Elles sont mesurables à l'aide d'outils existants ou de modifications mineures.
• Elles sont compréhensibles pour les ministres, les journalistes et le public.
• Elles nous permettent de montrer les progrès réalisés au fil du temps, en particulier dans les systèmes peu performants.
• Elles peuvent être rendues publiques sans susciter de confusion ou d'interprétation erronée.

Il est important de noter que ces deux approches s'inscrivent dans les objectifs plus larges du CESA 2026-2035 et de l'ODD 4. Elles contribuent à déplacer l'attention de l'accès seul vers l'apprentissage pour tous, et permettent de vérifier si les investissements, aussi modestes soient-ils, apportent de réelles améliorations pour les apprenants.

Conclusion : un appel à l'action pour les acteurs africains de l'éducation

L'innovation dans l'éducation ne concerne pas seulement la technologie ou les nouvelles pédagogies ; elle consiste également à repenser la manière dont nous considérons et utilisons les données. Face à des budgets serrés et à des crises persistantes en matière d'apprentissage, nous devons adopter des moyens intelligents et évolutifs pour suivre les progrès et plaider en faveur du changement.

Ces innovations montrent que des solutions pratiques sont à notre portée. Nous disposons désormais d'outils qui peuvent rendre l'apprentissage visible, même dans les situations les plus difficiles.

Alors que les acteurs de l'éducation à travers l'Afrique se préparent pour la prochaine phase de mise en œuvre du CESA et de reporting sur les ODD, nous exhortons les gouvernements, les partenaires et les bailleurs de fonds à soutenir les innovations susmentionnées. En investissant dans des données fiables et exploitables, nous pouvons garantir que l'apprentissage fondamental ne soit pas seulement une aspiration commune, mais un objectif mesurable, traçable et, en fin de compte, réalisable pour chaque enfant du continent.

Ce blog a été co-rédigé par Clio Dintilhac (Fondation Gates), Jacqueline Jere-Folotiya (Association pour le développement de l'éducation en Afrique, ADEA), Martin Gustafsson (Université de Stellenbosch) et Cally Ardington (Africa Foundational Learning data hub, AFLEARN), sur la base des présentations faites lors de l'atelier « Aligning Behind a Common Accountability Framework to End the Learning Crisis » (S'aligner derrière un cadre de responsabilité commun pour mettre fin à la crise de l'apprentissage) qui s'est tenu à Nairobi les 24 et 25 juin 2025.