Analyses sur la période 2015-2024

1. Données de cadrage

1.1. Sur les élèves toutes années confondues

Nombre d'élèves par année et niveau

annee	nb_1A	nb_2A	nb_3A
2015	124	133	171
2016	142	123	174
2017	143	149	173
2018	145	157	187
2019	142	164	190
2020	141	155	202
2021	151	148	186
2022	138	173	158
2023	152	142	174
2024	188	138	152

1.2. Nombre d’étudiants par sexe

% d'élèves par année - niveau - sexe

annee	1A_Femme	1A_Homme	2A_Femme	2A_Homme	3A_Femme	3A_Homme	3A_Autres
2015	30.6	69.4	33.8	66.2	49.7	50.3	0.0
2016	36.6	63.4	31.7	68.3	42.5	57.5	0.0
2017	33.6	66.4	38.9	61.1	38.2	61.8	0.0
2018	33.1	66.9	35.7	64.3	41.2	58.8	0.0
2019	33.8	66.2	34.1	65.9	33.7	66.3	0.0
2020	31.2	68.8	34.8	65.2	33.2	66.3	0.5
2021	35.1	64.9	32.4	67.6	31.7	68.3	0.0
2022	26.1	73.9	35.3	64.7	30.4	69.6	0.0
2023	28.9	71.1	23.9	76.1	37.4	62.6	0.0
2024	35.1	64.9	31.2	68.8	23.7	76.3	0.0

1.3. Nombre d’étudiants par statut

Nombre d'élèves par année - niveau - statut

annee	att_ing	nb_1A	nb_2A	nb_3A
2015	attaché	43	38	6
2015	ingénieur	81	95	165
2016	attaché	54	33	7
2016	ingénieur	88	90	167
2017	attaché	53	47	6
2017	ingénieur	90	102	167
2018	attaché	53	52	6
2018	ingénieur	92	105	181
2019	attaché	50	54	6
2019	ingénieur	92	110	184
2020	attaché	50	48	7
2020	ingénieur	91	107	195
2021	attaché	58	44	6
2021	ingénieur	93	104	180
2022	attaché	45	56	9
2022	ingénieur	93	117	149
2023	attaché	48	45	0
2023	ingénieur	104	97	174
2024	attaché	68	43	50
2024	ingénieur	120	95	102

1.4. Nombre de redoublements par année

Nombre d'élèves par année - niveau - statut

annee	redoublement	nb_1A	nb_2A	nb_3A
2015	1	13	2	0
2016	1	17	4	0
2017	1	16	12	2
2018	1	12	13	11
2019	1	16	10	10
2020	1	20	15	12
2021	1	22	10	11
2022	1	15	17	12
2023	1	14	11	14
2024	1	13	11	13

1.5. Nombre d’exclusions par année

Nombre d'élèves par année - niveau - statut

annee	exclusion	nb_1A	nb_2A	nb_3A
2015	1	3	1	0
2016	1	1	0	0
2017	1	3	0	0
2018	1	2	2	0
2019	1	2	3	0
2020	1	6	1	0
2021	1	7	1	0
2022	1	4	4	0
2023	1	5	3	0
2024	1	6	3	0

1.6. Répartition des spécialisation entre troisième année

Nombre d'élèves par filière 3A

annee	nb_GDR	nb_GS	nb_ID	nb_MES	nb_MKT	nb_SBio	nb_Autres
2015	19	9	16	11	22	16	0
2016	21	9	16	10	22	10	0
2017	11	12	16	4	23	12	0
2018	22	13	21	8	20	13	0
2019	20	20	23	5	15	15	0
2020	22	22	22	5	17	11	0
2021	21	12	19	10	15	16	0
2022	22	11	16	8	20	8	1
2023	24	23	24	1	21	17	1
2024	20	21	22	5	19	13	2

2. Spécialité à l’entrée et scolarité à l’ENSAI

2.1. Évolution des effectifs selon la spécialité à l’entrée

2.1.1. En première année

• En effectifs

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	nb_AST 1A	nb_ERASMUS - Contractuels	nb_Eco BL	nb_Eco D2	nb_MATH_NC	nb_MP	nb_PC/PSI	nb_NA	nb_AST 2A	nb_MPI
2023-2024	1A	37	4	38	24	101	52	29	38	0	17
2021-2022	1A	34	2	33	20	84	69	11	36	0	0
2018-2020	1A	43	9	42	39	123	104	8	60	0	0
2015-2017	1A	39	4	22	39	121	102	21	61	0	0

• En taux

Répartition selon la filière d'entrée

bloc_an	annee_ecole	nb_AST 1A	nb_ERASMUS - Contractuels	nb_Eco BL	nb_Eco D2	nb_MATH_NC	nb_MP	nb_PC/PSI	nb_NA	nb_AST 2A	nb_MPI
2023-2024	1A	10.9	1.2	11.2	7.1	29.7	15.3	8.5	11.2	0	5
2021-2022	1A	11.8	0.7	11.4	6.9	29.1	23.9	3.8	12.5	0	0
2018-2020	1A	10.0	2.1	9.8	9.1	28.7	24.3	1.9	14.0	0	0
2015-2017	1A	9.5	1.0	5.4	9.5	29.6	24.9	5.1	14.9	0	0

• Graphique

2.1.2 En deuxième année

• En effectifs

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	nb_AST 1A	nb_ERASMUS - Contractuels	nb_Eco BL	nb_Eco D2	nb_MATH_NC	nb_MP	nb_PC/PSI	nb_NA	nb_AST 2A	nb_MPI
2023-2024	2A	27	2	25	18	73	40	19	30	43	3
2021-2022	2A	31	8	26	23	74	73	2	43	41	0
2018-2020	2A	42	7	34	39	122	104	15	58	55	0
2015-2017	2A	35	3	18	37	113	88	17	53	41	0

• En taux

Répartition selon la filière d'entrée

bloc_an	annee_ecole	nb_AST 1A	nb_ERASMUS - Contractuels	nb_Eco BL	nb_Eco D2	nb_MATH_NC	nb_MP	nb_PC/PSI	nb_NA	nb_AST 2A	nb_MPI
2023-2024	2A	9.6	0.7	8.9	6.4	26.1	14.3	6.8	10.7	15.4	1.1
2021-2022	2A	9.7	2.5	8.1	7.2	23.1	22.7	0.6	13.4	12.8	0.0
2018-2020	2A	8.8	1.5	7.1	8.2	25.6	21.8	3.2	12.2	11.6	0.0
2015-2017	2A	8.6	0.7	4.4	9.1	27.9	21.7	4.2	13.1	10.1	0.0

2.2. Moyenne des élèves selon la spécialité à l’entrée

2.2.1. En première année

• Moyenne générale

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_g_AST 1A	moy_g_ERASMUS - Contractuels	moy_g_Eco BL	moy_g_Eco D2	moy_g_MATH_NC	moy_g_MP	moy_g_PC/PSI	moy_g_NA	moy_g_AST 2A	moy_g_MPI
2023-2024	1A	14.5	8.9	13.5	13.6	13.6	13.7	13.3	13.8	0	14.3
2021-2022	1A	14.1	11.9	13.5	13.2	13.4	13.4	13.3	13.9	0	0.0
2018-2020	1A	13.6	11.9	13.2	13.3	13.5	13.3	13.5	13.9	0	0.0
2015-2017	1A	14.0	11.6	13.2	13.3	12.8	13.1	12.9	13.4	0	0.0

• UE Stat

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_stat_AST 1A	moy_stat_ERASMUS - Contractuels	moy_stat_Eco BL	moy_stat_Eco D2	moy_stat_MATH_NC	moy_stat_MP	moy_stat_PC/PSI	moy_stat_NA	moy_stat_MPI
2023-2024	1A	14.3	7.1	13.0	13.1	12.9	13.2	12.5	13.7	13.5
2021-2022	1A	13.6	11.9	12.9	12.5	12.8	12.8	12.6	13.5	0.0
2018-2020	1A	13.6	12.2	12.8	12.7	13.2	12.8	13.2	13.6	0.0
2015-2017	1A	13.7	10.8	12.5	12.6	12.5	12.6	12.6	13.0	0.0

• UE Info

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_info_AST 1A	moy_info_ERASMUS - Contractuels	moy_info_Eco BL	moy_info_Eco D2	moy_info_MATH_NC	moy_info_MP	moy_info_PC/PSI	moy_info_NA	moy_info_AST 2A	moy_info_MPI
2023-2024	1A	14.3	9.0	12.9	12.6	13.5	13.6	13.0	13.7	0	14.8
2021-2022	1A	14.8	13.8	13.8	13.4	13.8	14.0	14.0	14.4	0	0.0
2018-2020	1A	13.2	10.7	12.2	12.5	13.7	13.8	13.9	13.9	0	0.0
2015-2017	1A	14.1	12.3	13.3	12.5	13.2	13.6	12.9	13.8	0	0.0

• UE Éco

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_eco_AST 1A	moy_eco_ERASMUS - Contractuels	moy_eco_Eco BL	moy_eco_Eco D2	moy_eco_MATH_NC	moy_eco_MP	moy_eco_PC/PSI	moy_eco_NA	moy_eco_AST 2A	moy_eco_MPI
2023-2024	1A	14.2	10.3	13.0	14.6	14.0	13.8	13.5	13.5	0	14
2021-2022	1A	14.0	10.2	13.4	14.1	13.2	13.3	12.9	13.7	0	0
2018-2020	1A	13.7	11.7	13.9	14.7	13.1	13.2	12.6	13.8	0	0
2015-2017	1A	13.6	11.7	13.6	14.7	12.0	12.3	12.0	12.8	0	0

• UE Humanités

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_hum_AST 1A	moy_hum_ERASMUS - Contractuels	moy_hum_Eco BL	moy_hum_Eco D2	moy_hum_MATH_NC	moy_hum_MP	moy_hum_PC/PSI	moy_hum_NA	moy_hum_MPI
2023-2024	1A	14.3	15.4	15.2	14.9	14.5	14.6	14.2	14.0	14.9
2021-2022	1A	13.4	15.2	14.0	13.3	13.5	13.6	14.2	13.9	0.0
2018-2020	1A	14.2	15.3	14.7	14.4	14.0	14.3	13.3	14.3	0.0
2015-2017	1A	14.0	14.7	14.8	14.0	13.8	14.1	14.0	14.0	0.0

2.2.2. En deuxième année

• Moyenne générale

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_g_AST 1A	moy_g_ERASMUS - Contractuels	moy_g_Eco BL	moy_g_Eco D2	moy_g_MATH_NC	moy_g_MP	moy_g_PC/PSI	moy_g_NA	moy_g_AST 2A	moy_g_MPI
2023-2024	2A	14.0	12.2	13.7	13.2	13.7	14.0	13.0	13.5	14.9	13.9
2021-2022	2A	14.0	13.2	13.9	13.1	13.5	13.6	14.4	13.8	14.0	0.0
2018-2020	2A	14.4	11.9	14.2	13.6	13.5	13.6	13.5	14.2	14.4	0.0
2015-2017	2A	13.4	10.8	13.8	13.1	13.1	13.2	13.5	13.3	13.5	0.0

• UE Stat

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_stat_AST 1A	moy_stat_ERASMUS - Contractuels	moy_stat_Eco BL	moy_stat_Eco D2	moy_stat_MATH_NC	moy_stat_MP	moy_stat_PC/PSI	moy_stat_NA	moy_stat_AST 2A	moy_stat_MPI
2023-2024	2A	13.1	NaN	12.6	12.5	12.8	13.2	11.8	13.1	14.8	12.8
2021-2022	2A	12.8	13.6	13.0	12.1	12.8	12.7	13.7	12.9	13.6	0.0
2018-2020	2A	14.0	11.0	13.5	12.8	13.0	13.2	13.0	13.6	14.6	0.0
2015-2017	2A	12.8	10.6	13.4	12.5	12.6	12.6	13.0	12.6	13.1	0.0

• UE Info

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_info_AST 1A	moy_info_ERASMUS - Contractuels	moy_info_Eco BL	moy_info_Eco D2	moy_info_MATH_NC	moy_info_MP	moy_info_PC/PSI	moy_info_NA	moy_info_AST 2A	moy_info_MPI
2023-2024	2A	15.4	NaN	14.5	14.2	14.6	15.1	14.3	15.4	15.4	14.9
2021-2022	2A	15.2	13.7	14.6	14.1	14.3	14.4	14.8	15.0	14.2	0.0
2018-2020	2A	14.7	12.7	14.6	14.0	13.8	14.1	13.9	14.8	14.1	0.0
2015-2017	2A	14.6	12.3	14.4	14.3	14.1	14.3	14.1	14.9	13.7	0.0

• UE Éco

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_eco_AST 1A	moy_eco_ERASMUS - Contractuels	moy_eco_Eco BL	moy_eco_Eco D2	moy_eco_MATH_NC	moy_eco_MP	moy_eco_PC/PSI	moy_eco_NA	moy_eco_AST 2A	moy_eco_MPI
2023-2024	2A	13.7	NaN	13.0	13.5	13.4	13.2	13.9	14.0	14.2	13.2
2021-2022	2A	12.1	11.7	13.2	11.8	12.1	13.0	15.7	12.6	12.5	0.0
2018-2020	2A	13.7	11.8	13.9	13.6	12.5	12.5	12.4	14.2	13.7	0.0
2015-2017	2A	13.2	10.8	13.0	13.2	12.5	12.2	13.3	12.6	14.1	0.0

• UE Humanités

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	moy_hum_AST 1A	moy_hum_ERASMUS - Contractuels	moy_hum_Eco BL	moy_hum_Eco D2	moy_hum_MATH_NC	moy_hum_MP	moy_hum_PC/PSI	moy_hum_NA	moy_hum_AST 2A	moy_hum_MPI
2023-2024	2A	14.4	NaN	15.2	14.9	14.8	15.0	14.6	14.7	14.0	15.1
2021-2022	2A	16.7	17.6	16.7	15.3	16.3	16.2	16.7	16.5	15.5	0.0
2018-2020	2A	15.0	15.3	15.3	15.0	14.7	14.7	14.5	15.4	14.1	0.0
2015-2017	2A	14.4	12.9	15.3	14.1	14.1	14.4	14.5	14.7	13.7	0.0

2.3. Proportion des élèves en difficulté selon la spécialité à l’entrée

Le seuil pour les élèves en difficulté a été fixé à une moyenne inférieure à 12.

2.2.1. En première année

• Moyenne générale

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_g_AST 1A	prop12_g_ERASMUS - Contractuels	prop12_g_Eco BL	prop12_g_Eco D2	prop12_g_MATH_NC	prop12_g_MP	prop12_g_PC/PSI	prop12_g_NA	prop12_g_AST 2A	prop12_g_MPI
2023-2024	1A	0.0	100.0	13.2	12.5	8.9	7.7	3.4	10.5	0	0
2021-2022	1A	5.9	50.0	6.1	15.0	10.7	13.0	0.0	5.6	0	0
2018-2020	1A	11.6	44.4	16.7	10.3	5.7	17.3	0.0	8.3	0	0
2015-2017	1A	5.1	75.0	13.6	12.8	24.8	18.6	23.8	13.1	0	0

• UE Stat

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_stat_AST 1A	prop12_stat_ERASMUS - Contractuels	prop12_stat_Eco BL	prop12_stat_Eco D2	prop12_stat_MATH_NC	prop12_stat_MP	prop12_stat_PC/PSI	prop12_stat_NA	prop12_stat_MPI
2023-2024	1A	0.0	100.0	28.9	20.8	21.6	14.0	17.2	7.9	5.9
2021-2022	1A	8.8	0.0	27.3	35.0	31.7	23.5	27.3	8.3	0.0
2018-2020	1A	14.3	42.9	23.8	25.6	20.5	32.0	37.5	23.7	0.0
2015-2017	1A	12.8	100.0	45.5	38.5	40.5	36.3	33.3	31.7	0.0

• UE Info

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_info_AST 1A	prop12_info_ERASMUS - Contractuels	prop12_info_Eco BL	prop12_info_Eco D2	prop12_info_MATH_NC	prop12_info_MP	prop12_info_PC/PSI	prop12_info_NA	prop12_info_AST 2A	prop12_info_MPI
2023-2024	1A	2.7	100.0	26.3	33.3	15.1	14.3	20.7	8.3	0	5.9
2021-2022	1A	0.0	0.0	12.5	15.0	9.8	13.8	0.0	5.6	0	0.0
2018-2020	1A	19.5	42.9	38.1	41.0	13.1	8.7	0.0	10.5	0	0.0
2015-2017	1A	10.3	66.7	13.6	43.6	23.9	18.2	23.8	15.0	0	0.0

• UE Éco

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_eco_AST 1A	prop12_eco_ERASMUS - Contractuels	prop12_eco_Eco BL	prop12_eco_Eco D2	prop12_eco_MATH_NC	prop12_eco_MP	prop12_eco_PC/PSI	prop12_eco_NA	prop12_eco_AST 2A	prop12_eco_MPI
2023-2024	1A	5.4	100.0	21.1	12.5	6.5	8.2	10.3	13.2	0	0
2021-2022	1A	8.8	100.0	26.7	23.5	24.4	17.2	18.2	17.1	0	0
2018-2020	1A	12.2	71.4	16.7	2.8	25.4	25.5	37.5	14.3	0	0
2015-2017	1A	15.4	100.0	19.0	5.1	55.4	52.0	57.1	36.1	0	0

• UE Humanités

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_hum_AST 1A	prop12_hum_ERASMUS - Contractuels	prop12_hum_Eco BL	prop12_hum_Eco D2	prop12_hum_MATH_NC	prop12_hum_MP	prop12_hum_PC/PSI	prop12_hum_NA	prop12_hum_MPI
2023-2024	1A	10.8	0.0	5.3	4.2	7.5	6.1	0.0	13.9	0
2021-2022	1A	17.6	NaN	12.9	22.2	19.3	11.9	0.0	5.9	0
2018-2020	1A	4.9	14.3	4.8	2.6	5.7	1.9	12.5	1.7	0
2015-2017	1A	5.1	0.0	4.8	0.0	10.1	6.0	9.5	1.7	0

2.2.2. En deuxième année

• Moyenne générale

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_g_AST 1A	prop12_g_ERASMUS - Contractuels	prop12_g_Eco BL	prop12_g_Eco D2	prop12_g_MATH_NC	prop12_g_MP	prop12_g_PC/PSI	prop12_g_NA	prop12_g_AST 2A	prop12_g_MPI
2023-2024	2A	3.7	50.0	8.0	22.2	11.0	5.0	5.3	10.0	2.3	0
2021-2022	2A	6.5	25.0	3.8	13.0	12.2	11.0	0.0	9.3	2.4	0
2018-2020	2A	2.4	42.9	5.9	7.7	10.7	11.5	0.0	5.2	1.8	0
2015-2017	2A	5.7	66.7	11.1	10.8	16.8	14.8	11.8	11.3	9.8	0

• UE Stat

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_stat_AST 1A	prop12_stat_ERASMUS - Contractuels	prop12_stat_Eco BL	prop12_stat_Eco D2	prop12_stat_MATH_NC	prop12_stat_MP	prop12_stat_PC/PSI	prop12_stat_NA	prop12_stat_AST 2A	prop12_stat_MPI
2023-2024	2A	29.6	NaN	28.0	38.9	40.3	35.0	47.4	25.0	4.7	33.3
2021-2022	2A	30.4	0.0	23.8	29.4	27.3	33.8	0.0	42.9	10.0	0.0
2018-2020	2A	9.7	66.7	20.7	41.2	27.8	28.7	20.0	17.6	7.3	0.0
2015-2017	2A	25.0	100.0	26.7	35.5	34.7	36.1	31.2	39.2	24.4	0.0

• UE Info

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_info_AST 1A	prop12_info_ERASMUS - Contractuels	prop12_info_Eco BL	prop12_info_Eco D2	prop12_info_MATH_NC	prop12_info_MP	prop12_info_PC/PSI	prop12_info_NA	prop12_info_AST 2A	prop12_info_MPI
2023-2024	2A	0.0	NaN	8.0	0.0	8.7	0.0	5.6	0.0	0.0	0
2021-2022	2A	0.0	0	4.8	6.2	4.6	1.6	0.0	2.9	5.0	0
2018-2020	2A	9.7	50	3.4	8.8	12.5	10.3	13.3	2.0	3.6	0
2015-2017	2A	3.7	0	0.0	6.7	8.5	4.3	6.2	0.0	17.1	0

• UE Éco

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_eco_AST 1A	prop12_eco_ERASMUS - Contractuels	prop12_eco_Eco BL	prop12_eco_Eco D2	prop12_eco_MATH_NC	prop12_eco_MP	prop12_eco_PC/PSI	prop12_eco_NA	prop12_eco_AST 2A	prop12_eco_MPI
2023-2024	2A	0.0	NaN	30.8	27.3	25.9	17.6	0.0	8.3	5.0	0
2021-2022	2A	58.3	0	25.0	41.7	54.3	30.0	0.0	38.1	40.0	0
2018-2020	2A	18.2	60	18.5	10.3	35.2	36.7	33.3	11.8	22.9	0
2015-2017	2A	22.2	100	26.7	29.0	43.3	54.2	31.2	41.2	19.5	0

• UE Humanités

Nombre d'élèves selon la filière d'entrée

bloc_an	annee_ecole	prop12_hum_AST 1A	prop12_hum_ERASMUS - Contractuels	prop12_hum_Eco BL	prop12_hum_Eco D2	prop12_hum_MATH_NC	prop12_hum_MP	prop12_hum_PC/PSI	prop12_hum_NA	prop12_hum_AST 2A	prop12_hum_MPI
2023-2024	2A	3.7	NaN	4.0	0.0	2.9	0.0	5.3	3.6	14.0	0
2021-2022	2A	0.0	0	0.0	8.3	0.0	0.0	0.0	4.5	0.0	0
2018-2020	2A	0.0	0	5.3	5.3	3.7	7.7	9.1	0.0	8.3	0
2015-2017	2A	3.7	0	7.1	3.3	9.5	2.9	0.0	3.9	14.6	0

3. Rang d’intégration et scolarité à l’ENSAI

2.1. Évolution des écarts de rang d’intégration entre attachés et ingénieurs (filière mathématiques)

Afin de comparer les rangs année par année et par filière, un rang standardisé est calculé pour chaque année. Il correspond à son rang au concours commun divisé par le rang maximum d’intégration à l’Ensai au concours commun.

Rangs d'intégration moyen et médian standardisés

annee	statut_etudiant	nb_math	rang_moy_math	rang_med_math
2015	Attaché	21	66.8	72.3
2015	Ingénieur	48	65.7	71.8
2016	Attaché	33	66.4	70.1
2016	Ingénieur	54	57.0	62.3
2017	Attaché	32	70.4	77.3
2017	Ingénieur	51	56.8	61.8
2018	Attaché	27	70.9	73.2
2018	Ingénieur	52	47.9	48.7
2019	Attaché	24	65.8	69.5
2019	Ingénieur	55	59.3	62.6
2020	Attaché	27	69.1	67.5
2020	Ingénieur	48	55.4	59.1
2021	Attaché	28	67.2	68.5
2021	Ingénieur	52	56.2	61.0
2022	Attaché	27	67.1	71.3
2022	Ingénieur	54	62.0	59.9
2023	Attaché	28	62.1	72.3
2023	Ingénieur	68	46.0	50.7
2024	Attaché	35	67.5	71.9
2024	Ingénieur	67	47.0	54.0

3.2. Rang d’intégration et redoublement

À ce stade, le champ est celui des intégrants par la voie du concours externe mathématiques.

# A tibble: 8 × 6
# Groups:   bloc_an [4]
  bloc_an   redoublement     n moyenne mediane ecart_type
  <chr>            <int> <int>   <dbl>   <dbl>      <dbl>
1 2015-2017            0  8444    59.4    61.2       23.2
2 2015-2017            1  1128    70.2    75.2       18.8
3 2018-2020            0 12802    55.1    58.5       20.3
4 2018-2020            1  1626    63.6    60.9       20.7
5 2021-2022            0  9475    58.7    61.3       20  
6 2021-2022            1   905    64.2    65.6       21.6
7 2023-2024            0 10778    35.5    30.6       26.7
8 2023-2024            1   800    36.1    13.1       34  

    Pearson's product-moment correlation

data:  bdd$ccc_ran_com_standard and bdd$redoublement
t = 22.442, df = 45956, p-value < 2.2e-16
alternative hypothesis: true correlation is not equal to 0
95 percent confidence interval:
 0.09506695 0.11315394
sample estimates:
      cor 
0.1041191 

# A tibble: 10 × 2
   annee    corr
   <chr>   <dbl>
 1 2015   0.196 
 2 2016   0.159 
 3 2017   0.119 
 4 2018   0.155 
 5 2019   0.0997
 6 2020   0.140 
 7 2021   0.106 
 8 2022   0.0489
 9 2023   0.0388
10 2024  -0.0119

Chaque année, les étudiants redoublants (1) ont un rang harmonisé plus élevé (moins bon classement) que les non-redoublants (0).

Exemple 2015 : non-redoublants ≈ 64 vs redoublants ≈ 78. Exemple 2019 : non-redoublants ≈ 57 vs redoublants ≈ 64.

Le décalage moyen est d’environ +7 à +15 points pour les redoublants.

L’écart-type est un peu plus petit chez les redoublants → leur distribution est plus concentrée.

La médiane suit la même logique que la moyenne.

Toutefois, la relation semble se modifier dans le temps, avec un contexte particulier en 2023-2024 (effet CCNIP et logique de classement différente, à creuser).

Sur la période d’ensemble, le lien est hautement significatif mais la corrélation est plutôt faible (coefficient de corrélation linéaire de Pearson de ), autour de 12, mais tend à baisser (voire même s’inverser en 2024 - un étudiant bien classé a dû redoubler)

Call:
glm(formula = redoublement ~ ccc_ran_com_standard, family = binomial, 
    data = bdd_math)

Coefficients:
                     Estimate Std. Error z value Pr(>|z|)    
(Intercept)          -3.07978    0.04383  -70.27   <2e-16 ***
ccc_ran_com_standard  1.51058    0.06846   22.07   <2e-16 ***
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

(Dispersion parameter for binomial family taken to be 1)

    Null deviance: 29275  on 45957  degrees of freedom
Residual deviance: 28755  on 45956  degrees of freedom
AIC: 28759

Number of Fisher Scoring iterations: 5

         (Intercept) ccc_ran_com_standard 
          0.04596917           4.52935469 

Chaque point supplémentaire au rang standardisé augmente le risque de redoublement de 4,5 %

                             OR      2.5 %     97.5 %
(Intercept)          0.04596917 0.04215988 0.05006331
ccc_ran_com_standard 4.52935469 3.96233945 5.18198929

Area under the curve: 0.6033

4. Les matières mathématiques et la filière d’origine

4.2. En statique

              Df Sum Sq Mean Sq F value   Pr(>F)    
spe_entree     7    216  30.869   10.06 2.72e-12 ***
Residuals   1258   3858   3.067                     
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1
193 observations effacées parce que manquantes

  Tukey multiple comparisons of means
    95% family-wise confidence level

Fit: aov(formula = MSS1 ~ spe_entree, data = bdd_spécial_mat)

$spe_entree
                                      diff        lwr         upr     p adj
Eco BL-AST 1A                  -0.65208715 -1.2799245 -0.02424975 0.0352209
Eco D2-AST 1A                  -0.85791653 -1.5032798 -0.21255325 0.0014847
ERASMUS - Contractuels-AST 1A  -3.13572067 -4.4290384 -1.84240290 0.0000000
MATH_NC-AST 1A                 -0.88005752 -1.3813455 -0.37876955 0.0000032
MP-AST 1A                      -0.84429187 -1.3653387 -0.32324502 0.0000269
MPI-AST 1A                     -0.27457516 -1.6338830  1.08473268 0.9987123
PC/PSI-AST 1A                  -1.04190679 -1.8129341 -0.27087947 0.0011280
Eco D2-Eco BL                  -0.20582939 -0.8700056  0.45834680 0.9819821
ERASMUS - Contractuels-Eco BL  -2.48363353 -3.7864409 -1.18082613 0.0000003
MATH_NC-Eco BL                 -0.22797037 -0.7532568  0.29731609 0.8923154
MP-Eco BL                      -0.19220473 -0.7363794  0.35196994 0.9624375
MPI-Eco BL                      0.37751198 -0.9908279  1.74585187 0.9909287
PC/PSI-Eco BL                  -0.38981965 -1.1766610  0.39702174 0.8054188
ERASMUS - Contractuels-Eco D2  -2.27780414 -3.5891474 -0.96646091 0.0000044
MATH_NC-Eco D2                 -0.02214098 -0.5682544  0.52397240 1.0000000
MP-Eco D2                       0.01362466 -0.5506803  0.57792957 1.0000000
MPI-Eco D2                      0.58334137 -0.7931280  1.95981078 0.9039128
PC/PSI-Eco D2                  -0.18399026 -0.9848856  0.61690507 0.9970703
MATH_NC-ERASMUS - Contractuels  2.25566316  1.0089006  3.50242574 0.0000013
MP-ERASMUS - Contractuels       2.29142880  1.0365913  3.54626629 0.0000010
MPI-ERASMUS - Contractuels      2.86114551  1.0860835  4.63620752 0.0000306
PC/PSI-ERASMUS - Contractuels   2.09381388  0.7162761  3.47135170 0.0001174
MP-MATH_NC                      0.03576564 -0.3556879  0.42721920 0.9999938
MPI-MATH_NC                     0.60548235 -0.7096085  1.92057318 0.8584561
PC/PSI-MATH_NC                 -0.16184928 -0.8519429  0.52824433 0.9966628
MPI-MP                          0.56971671 -0.7530320  1.89246539 0.8961422
PC/PSI-MP                      -0.19761492 -0.9021924  0.50696253 0.9899857
PC/PSI-MPI                     -0.76733163 -2.2070043  0.67234104 0.7393702

4.2. En évolution

=== STATISTIQUES PAR ANNÉE D'ÉCOLE ===

# A tibble: 8 × 7
# Groups:   annee_ecole [2]
  annee_ecole bloc_an   n_etudiants MSS1_moy MSS2_moy MSS_evolution_moy
  <chr>       <chr>           <int>    <dbl>    <dbl>             <dbl>
1 1A          2015-2017         409     12.7     12.7             -0.03
2 1A          2018-2020         428     12.6     13.7              1.06
3 1A          2021-2022         289     12.7     13.3              0.61
4 1A          2023-2024         340     12.8     13.5              0.61
5 2A          2015-2017         405     12.5     12.9              0.32
6 2A          2018-2020         476     13.4     13.4              0.02
7 2A          2021-2022         321     13.1     12.7             -0.36
8 2A          2023-2024         280     12.7     13.6              0.93
# ℹ 1 more variable: MSS_taux_reussite <dbl>

=== ANALYSE DE LA PROGRESSION ENTRE SEMESTRES ===

# A tibble: 8 × 4
# Groups:   annee_ecole [2]
  annee_ecole bloc_an       n MSS_progression
  <chr>       <chr>     <int>           <dbl>
1 1A          2015-2017   408            49.5
2 1A          2018-2020   422            72.3
3 1A          2021-2022   285            66.0
4 1A          2023-2024   334            65.6
5 2A          2015-2017   354            60.7
6 2A          2018-2020   405            52.3
7 2A          2021-2022   272            41.2
8 2A          2023-2024   275            72.7

4.3. Selon le sexe

=== ANALYSE PAR SEXE ===

# A tibble: 16 × 7
# Groups:   annee_ecole, sexe [4]
   annee_ecole sexe  bloc_an       n MSS_moyenne MSS_progression MSS_gain_moyen
   <chr>       <chr> <chr>     <int>       <dbl>           <dbl>          <dbl>
 1 1A          Femme 2015-2017   138        12.8            62.3           0.79
 2 1A          Femme 2018-2020   140        13.4            77.9           1.29
 3 1A          Femme 2021-2022    89        13.1            66.3           0.76
 4 1A          Femme 2023-2024   110        13.4            70             0.87
 5 1A          Homme 2015-2017   271        12.7            43.0          -0.45
 6 1A          Homme 2018-2020   288        12.9            69.5           0.94
 7 1A          Homme 2021-2022   200        12.9            65.8           0.54
 8 1A          Homme 2023-2024   230        13.0            63.4           0.48
 9 2A          Femme 2015-2017   142        12.8            59.8           0.36
10 2A          Femme 2018-2020   166        13.8            57.1           0.26
11 2A          Femme 2021-2022   109        13.1            42.7          -0.23
12 2A          Femme 2023-2024    77        13.3            82.7           1.52
13 2A          Homme 2015-2017   263        12.6            61.2           0.3 
14 2A          Homme 2018-2020   310        13.1            50            -0.1 
15 2A          Homme 2021-2022   212        12.7            40.4          -0.43
16 2A          Homme 2023-2024   203        13              69             0.71

4.4. Selon la filière d’origine

=== ANALYSE PAR FILIERE D'ORIGINE ===
# A tibble: 55 × 5
   annee_ecole spe_entree             bloc_an       n MSS_moyenne
   <chr>       <chr>                  <chr>     <int>       <dbl>
 1 1A          AST 1A                 2015-2017    39        13.7
 2 1A          AST 1A                 2018-2020    43        13.5
 3 1A          AST 1A                 2021-2022    34        13.6
 4 1A          AST 1A                 2023-2024    37        14.3
 5 1A          ERASMUS - Contractuels 2018-2020     9        11.9
 6 1A          Eco BL                 2015-2017    22        12.5
 7 1A          Eco BL                 2018-2020    42        12.8
 8 1A          Eco BL                 2021-2022    33        12.9
 9 1A          Eco BL                 2023-2024    38        13.0
10 1A          Eco D2                 2015-2017    39        12.6
# ℹ 45 more rows

4.4. Selon le niveau au bac

=== ANALYSE PAR MENTION AU BAC ===
# A tibble: 50 × 6
   annee_ecole bac_mention  bloc_an       n MSS_moyenne MSS_gain_moyen
   <chr>       <chr>        <chr>     <int>       <dbl>          <dbl>
 1 1A          ""           2015-2017   118        12.9           0.4 
 2 1A          ""           2018-2020     4        10.5           1.02
 3 1A          ""           2023-2024    14        12.2           0.21
 4 1A          "AB"         2015-2017     4        13.4           0.86
 5 1A          "Assez Bien" 2015-2017     9        11.4          -1.61
 6 1A          "Assez bien" 2015-2017    28        12.4           0.08
 7 1A          "Assez bien" 2018-2020    68        13.2           1.34
 8 1A          "Assez bien" 2021-2022    36        12.6           0.83
 9 1A          "Assez bien" 2023-2024    29        12.7           1.09
10 1A          "Bien"       2015-2017   111        12.4          -0.14
# ℹ 40 more rows

4.5. Étudiants en difficulté dans les matières mathématiques

=== ANALYSE DES ÉTUDIANTS EN DIFFICULTÉ (< 10) ===

# A tibble: 8 × 6
  annee_ecole bloc_an   n_echec MSS_moyenne_echec pourcentage_progression
  <chr>       <chr>       <int>             <dbl>                   <dbl>
1 1A          2015-2017      11              8.77                    36.4
2 1A          2018-2020      13              7.51                    40  
3 1A          2021-2022       4              9.34                    66.7
4 1A          2023-2024      10              8.17                    22.2
5 2A          2015-2017       7              8.83                    60  
6 2A          2018-2020      18              7.72                    56.2
7 2A          2021-2022      16              7.67                    33.3
8 2A          2023-2024      12              6.48                    40  
# ℹ 1 more variable: gain_moyen_echec <dbl>

4.6. Distribution des notes stats par année,par blocs et semestre

4.7. Comparaison des semestres

                   Df Sum Sq Mean Sq F value   Pr(>F)    
semestre            1    214  214.05  50.179 1.57e-12 ***
bloc_an             3    266   88.78  20.813 2.09e-13 ***
semestre:bloc_an    3     91   30.45   7.137 8.80e-05 ***
Residuals        5694  24289    4.27                     
---
Signif. codes:  0 '***' 0.001 '**' 0.01 '*' 0.05 '.' 0.1 ' ' 1

Il existe une différence significative entre les semestres (p=8.32e-13), le semestre 2 ayant des notes plus élevées en moyenne.en moyenne, les notes de MSS sont significativement plus hautes au semestre 2 qu’au semestre 1.

Les résultats évoluent aussi significativement selon les blocs d’années (2.84e-13), indiquant une amélioration globale au fil du temps.les performances changent selon les périodes (meilleures dans les blocs récents).

Enfin, l’interaction est significative (p=6.01e-05), ce qui montre que l’écart entre semestre 1 et semestre 2 varie selon les périodes : faible avant 2020, plus marqué après 2022.la différence entre S1 et S2 n’est pas la même selon les périodes.

5. Niveau d’anglais et scolarité à l’ENSAI

5.1. Niveau d’anglais des élèves à l’ENSAI

=== APERÇU DES DONNÉES ANGLAIS ===

Nombre total d'observations: 2948 

Étudiants avec certification anglais: 2151 

Scores TOEIC disponibles: 2127 

=== DISTRIBUTION DES CERTIFICATIONS ===

# A tibble: 6 × 3
  annee_ecole certif_anglais_org     n
  <chr>       <chr>              <int>
1 1A          "TOEIC"              873
2 1A          ""                   592
3 1A          "CLES"                 1
4 2A          "TOEIC"             1273
5 2A          ""                   205
6 2A          "Linguaskill"          4

=== STATISTIQUES SCORES TOEIC PAR ANNÉE ===

# A tibble: 8 × 8
  annee_ecole bloc_an   n_scores score_moyen score_median score_min score_max
  <chr>       <chr>        <int>       <dbl>        <dbl>     <dbl>     <dbl>
1 1A          2015-2017      286         900          915       470       990
2 1A          2018-2020      191         910          935       655       990
3 1A          2021-2022      148         931          950       775       990
4 1A          2023-2024      243         899          920       530       990
5 2A          2015-2017      354         886          900       495       990
6 2A          2018-2020      422         876          902       113       990
7 2A          2021-2022      263         875          900       160       990
8 2A          2023-2024      220         879          910       144       990
# ℹ 1 more variable: ecart_type <dbl>

5.2. Niveau d’anglais et réussite

5.2.1 Certification et moyenne générale

=== IMPACT DE LA CERTIFICATION SUR LA PERFORMANCE ===

# A tibble: 4 × 6
  annee_ecole a_certification     n moyenne_gen mediane_gen taux_reussite
  <chr>       <chr>           <int>       <dbl>       <dbl>         <dbl>
1 1A          Non               592        13.2        13.2          76.9
2 1A          Oui               874        13.6        13.5          83.6
3 2A          Non               205        13.0        13.1          69.8
4 2A          Oui              1277        13.8        13.6          82  

5.2.2. Niveau d’anglais et moyenne générale

=== IMPACT DU NIVEAU TOEIC SUR LA PERFORMANCE ===

# A tibble: 35 × 7
   annee_ecole niveau_toeic      bloc_an       n moyenne_gen taux_reussite
   <chr>       <chr>             <chr>     <int>       <dbl>         <dbl>
 1 1A          Bien (700-799)    2015-2017    14        13.0          85.7
 2 1A          Bien (700-799)    2018-2020    16        13.3          87.5
 3 1A          Bien (700-799)    2021-2022     3        13.7          66.7
 4 1A          Bien (700-799)    2023-2024    18        13.8         100  
 5 1A          Correct (600-699) 2015-2017     5        12.4          60  
 6 1A          Correct (600-699) 2018-2020     4        13.0          50  
 7 1A          Correct (600-699) 2023-2024     5        13.6         100  
 8 1A          Excellent (≥900)  2015-2017   165        13.4          82.4
 9 1A          Excellent (≥900)  2018-2020   121        13.6          81.8
10 1A          Excellent (≥900)  2021-2022   109        13.8          76.1
# ℹ 25 more rows
# ℹ 1 more variable: score_toeic_moyen <dbl>

5.2.3 Lien avec le sexe

=== ANALYSE PAR SEXE ===

# A tibble: 4 × 5
  annee_ecole sexe      n score_toeic_moyen moyenne_gen
  <chr>       <chr> <int>             <dbl>       <dbl>
1 1A          Femme   315               912        13.8
2 1A          Homme   553               905        13.5
3 2A          Femme   435               886        14.0
4 2A          Homme   824               875        13.6

5.2.4. Lien avec la spécialité d’entrée

=== ANALYSE PAR SPE_ENTREE ===

# A tibble: 17 × 5
   annee_ecole spe_entree                 n score_toeic_moyen moyenne_gen
   <chr>       <chr>                  <int>             <dbl>       <dbl>
 1 1A          AST 1A                    85               881        14.2
 2 1A          ERASMUS - Contractuels     3               945        13.5
 3 1A          Eco BL                    89               937        13.6
 4 1A          Eco D2                    67               907        13.5
 5 1A          MATH_NC                  256               901        13.4
 6 1A          MP                       208               919        13.5
 7 1A          MPI                       15               899        14.2
 8 1A          PC/PSI                    47               883        13.3
 9 2A          AST 1A                   120               858        14.1
10 2A          AST 2A                   117               790        14.2
11 2A          ERASMUS - Contractuels     7               870        13.1
12 2A          Eco BL                    95               926        14.1
13 2A          Eco D2                    96               882        13.5
14 2A          MATH_NC                  346               887        13.5
15 2A          MP                       271               900        13.7
16 2A          MPI                        3               913        13.9
17 2A          PC/PSI                    48               872        13.6

5.2.5. Lien avec la nationalité

=== ANALYSE PAR ORIGINE ===

# A tibble: 4 × 6
  annee_ecole etudiant_etranger     n score_toeic_moyen moyenne_gen
  <chr>       <chr>             <int>             <dbl>       <dbl>
1 1A          Français            757               909        13.6
2 1A          Étranger            111               892        13.4
3 2A          Français            947               892        13.8
4 2A          Étranger            312               838        13.5
# ℹ 1 more variable: taux_reussite <dbl>

5.2.6. Quelques représentations graphiques

5.2.7. Corrélations et tests

=== CORRÉLATION SCORE TOEIC - MOYENNE GÉNÉRALE ===

# A tibble: 2 × 5
  annee_ecole     n correlation p_value significatif   
  <chr>       <int>       <dbl>   <dbl> <chr>          
1 1A            868       0.103  0.0023 ** (p < 0.01)  
2 2A           1259       0.113  0.0001 *** (p < 0.001)

=== CORRÉLATION SCORE TOEIC - MOYENNE GÉNÉRALE ===

# A tibble: 2 × 5
  annee_ecole     n correlation p_value significatif   
  <chr>       <int>       <dbl>   <dbl> <chr>          
1 1A            868       0.111  0.0011 ** (p < 0.01)  
2 2A           1259       0.119  0      *** (p < 0.001)

Les coefficients (~0.11) indiquent une relation très faible mais positive entre les deux variables.

Autrement dit, les étudiants avec un meilleur score TOEIC ont tendance à avoir une meilleure moyenne générale, mais cette tendance est loin d’être forte.

Les résultats mettent en évidence une corrélation positive mais faible entre le score TOEIC et la moyenne générale, aussi bien en 1A (r = 0.11, p < 0.01) qu’en 2A (r = 0.113, p < 0.001). Bien que statistiquement significative en raison du grand nombre d’observations, la force de la relation reste limitée : le score TOEIC n’explique qu’environ 1% de la variance des résultats académiques. Cela suggère que la maîtrise de l’anglais est associée aux performances générales, mais qu’elle n’en constitue pas un facteur déterminant.

=== CORRÉLATION SCORE TOEIC - MOYENNE GÉNÉRALE ===

# A tibble: 8 × 6
  annee_ecole bloc_an       n correlation p_value significatif    
  <chr>       <chr>     <int>       <dbl>   <dbl> <chr>           
1 1A          2015-2017   286       0.133  0.024  * (p < 0.05)    
2 1A          2018-2020   191       0.092  0.206  Non significatif
3 1A          2021-2022   148      -0.001  0.994  Non significatif
4 1A          2023-2024   243       0.105  0.102  Non significatif
5 2A          2015-2017   354       0.12   0.0245 * (p < 0.05)    
6 2A          2018-2020   422       0.212  0      *** (p < 0.001) 
7 2A          2021-2022   263       0.159  0.0097 ** (p < 0.01)   
8 2A          2023-2024   220      -0.088  0.192  Non significatif

L’analyse met en évidence une corrélation globalement faible entre score TOEIC et moyenne générale, variant selon les périodes et les années d’école. En 1A, la relation est le plus souvent non significative, ce qui suggère que la maîtrise de l’anglais n’est pas un facteur déterminant de la réussite académique au début du cursus. En revanche, en 2A, la corrélation devient significative dans certains blocs (notamment 2018–2020 avec r = 0.212, p < 0.001), indiquant qu’un meilleur score TOEIC est associé à une moyenne générale légèrement plus élevée. Toutefois, même dans ces cas, la part de variance expliquée reste faible (<5%), soulignant que la performance académique dépend principalement d’autres facteurs.