Minimising Financial Risk under Enrolment Uncertainty: An Open-Source Entropy-Indexed POMDP Tool for University Governance

Les universités sont des entreprises d'un genre particulier, où l'argent nécessaire pour payer le personnel et les bâtiments de l'année suivante doit être dépensé des années avant même l'arrivée des étudiants qui les financeront. Cela crée une tension constante entre la nécessité de planifier à l'avance et l'impossibilité de connaître l'avenir avec certitude. Au Royaume-Uni, cette incertitude est devenue aiguë. Pendant des années, les universités se sont appuyées sur des prévisions pour guider leurs dépenses, mais les régulateurs ont constaté que ces prédictions étaient systématiquement trop optimistes, laissant près de la moitié des établissements anglais face à des déficits financiers. Le problème central n'est pas un manque d'effort ou d'intelligence de la part des dirigeants universitaires ; c'est un défaut structurel dans leur manière de prendre des décisions. Lorsque l'avenir est véritablement incertain, demander à un conseil d'administration de s'accorder sur un scénario unique de « meilleure estimation » revient à lui demander de faire quelque chose qu'il ne peut pas faire de manière fiable. On leur demande d'attribuer des poids à différents futurs, mais la nature même de l'environnement actuel fait que ces poids sont inconnus.

Pour résoudre cela, des chercheurs de l'Université de Bedfordshire ont développé un nouvel outil de planification qui change la question. Au lieu de demander aux dirigeants de deviner quel futur est le plus probable, l'outil mesure à quel point l'institution peut être confiante dans n'importe quel futur. Il utilise une méthode qui suit le flux du nombre d'étudiants pour mettre à jour une carte de probabilité de la santé financière de l'université. Cette carte ne se stabilise pas sur un résultat unique ; elle évolue constamment à mesure que de nouvelles données arrivent, montrant si l'université traverse une période de croissance, de stabilité ou de difficulté. Crucialement, l'outil calcule un score d'incertitude basé sur la dispersion de ces probabilités. Lorsque les données sont confuses et que les probabilités sont réparties de manière égale, l'outil signale que la situation est trop incertaine pour effectuer des changements majeurs et permanents. Lorsque les données deviennent claires et qu'un résultat domine, l'outil signale qu'il est sûr d'agir. Cette approche permet aux universités de naviguer dans une incertitude profonde sans forcer leurs dirigeants à faire des suppositions impossibles.

Les chercheurs ont construit ce système sous la forme d'une application logicielle open-source, ce qui signifie qu'elle est gratuite pour toute personne souhaitant l'utiliser ou l'inspecter. Le système a été calibré sur une décennie de données ouvertes de la HESA provenant de quatre institutions du Russell Group, chacune ayant une histoire récente différente. Certaines de ces institutions ont fait face à des chutes brutales du nombre d'étudiants internationaux dues à des changements de politiques de visas, tandis que d'autres ont connu une croissance régulière. L'équipe a ensuite testé l'outil contre six autres stratégies de planification courantes en effectuant une évaluation de Monte Carlo sur 500 futurs d'enrôlement simulés. Les résultats ont montré que le nouvel outil, qu'ils appellent un système indexé sur l'entropie, produisait systématiquement de meilleurs résultats financiers que les méthodes traditionnelles. Dans ces simulations, il a obtenu la récompense financière moyenne la plus élevée tout en maintenant la probabilité d'une crise financière plus basse que n'importe quelle autre stratégie. La clé de ce succès a été sa capacité à freiner les engagements irréversibles, tels que l'embauche de personnel permanent ou la construction de nouveaux campus, chaque fois que le score d'incertitude était élevé.

L'outil fonctionne selon une logique simple mais puissante. Il traite la situation financière de l'université comme un état caché qui peut se trouver dans l'un des trois modes : un mode de faible croissance où l'argent est serré, un mode stable où les choses sont normales, ou un mode de forte croissance où il y a de la place pour investir. L'université ne peut pas voir ces modes directement ; elle ne voit que le nombre annuel d'étudiants qui s'inscrivent. Le logiciel utilise un processus mathématique pour mettre à jour sa croyance sur le mode dans lequel se trouve l'université chaque fois qu'un nouveau chiffre d'inscription arrive. Si les chiffres sont confus, la croyance du logiciel reste répartie sur les trois modes. Cet état de confusion est mesuré par une valeur appelée entropie. Lorsque l'entropie est élevée, l'outil bloque automatiquement l'université de prendre des décisions importantes et difficiles à inverser. Il la force à attendre et à recueillir plus de preuves. Une fois que les chiffres d'inscription deviennent cohérents et que la croyance se concentre sur un seul mode, l'entropie chute, et l'outil donne le feu vert pour investir ou se développer.

Cette approche offre un avantage distinct par rapport aux méthodes de planification actuellement utilisées par les universités. La planification de scénarios traditionnelle demande aux dirigeants d'imaginer quelques futurs différents, comme un scénario de meilleur cas et un de pire cas, puis d'essayer de choisir entre eux. Cependant, cette méthode échoue lorsque les dirigeants ne parviennent pas à s'entendre sur la probabilité de chaque scénario. Le nouvel outil élimine le besoin de cet accord. Il ne demande pas au conseil de décider quel futur est le plus probable ; il rapporte simplement ce que les données disent sur le niveau actuel de confiance. Si les données sont ambiguës, l'outil recommande une posture prudente, telle que maintenir les niveaux de personnel actuels ou se concentrer sur le recrutement d'étudiants pour mieux comprendre le marché. Si les données sont claires, il recommande une action décisive. Cela permet à l'université d'être conservatrice quand cela est réellement nécessaire et agressive quand les preuves le soutiennent, sans dépendre de l'intuition ou de la pression politique.

Les chercheurs ont testé le système sur quatre types spécifiques de trajectoires universitaires pour voir comment il gérerait différents défis du monde réel. Dans un scénario, qui imitait la chute brutale des étudiants internationaux observée après 2022, l'outil a correctement recommandé de freiner les dépenses pendant les deux premières années tant que la situation restait incertaine. D'autres stratégies qui ignoraient l'incertitude continuaient de recommander d'investir durant cette période, ce qui a conduit à des difficultés financières dans les simulations. Une fois que les données ont clarifié que l'université se stabilisait, l'outil est passé à une position plus active, permettant à l'université de se rétablir plus rapidement que celles qui étaient restées excessivement prudentes. Dans un autre scénario où la croissance était régulière et prévisible, l'outil a finalement recommandé un investissement agressif, mais seulement après qu'assez de temps fut passé pour confirmer que la croissance était une tendance durable plutôt qu'un pic temporaire. Cela a permis d'éviter l'erreur de construire de nouvelles capacités trop tôt, pour finalement constater que la croissance stagnait.

Une caractéristique unique de cet outil est la manière dont il présente ses conclusions. Il génère un document de deux pages, appelé « Board Pack », qui résume l'ensemble de l'analyse en langage clair. Ce document comprend un graphique montrant comment la stratégie recommandée se compare à six autres approches courantes, ainsi qu'une explication claire de la raison pour laquelle une décision spécifique a été prise. Par exemple, il pourrait expliquer que l'outil a recommandé d'attendre avant d'embaucher de nouveaux membres du personnel parce que le score d'incertitude était encore trop élevé pour justifier le risque. Comme le document est généré par un programme informatique suivant des règles strictes, il est entièrement reproductible. Si un autre dirigeant passe les mêmes chiffres dans l'outil, il obtiendra exactement le même résultat. Cela crée une piste d'audit claire, montrant que la décision était basée sur une analyse transparente des données plutôt que sur une opinion subjective.

Les chercheurs ont également conçu l'outil pour qu'il soit accessible aux personnes n'ayant pas de formation en mathématiques ou en informatique. Un directeur financier d'université peut utiliser l'outil en quelques minutes pour obtenir une recommandation de base, ou passer une heure à le calibrer avec les données spécifiques de son institution. Le logiciel est disponible en ligne gratuitement, et peut être exécuté sur un navigateur web standard sans nécessiter l'installation de logiciels complexes. Pour les institutions qui souhaitent garder leurs données privées, il existe une version qui peut être exécutée sur un ordinateur local. L'outil utilise les données de la Higher Education Statistics Agency, qui est la source officielle des chiffres d'inscription universitaire au Royaume-Uni, mais les chercheurs ont rendu le code sous-jacent et les paramètres précalculés disponibles afin que quiconque puisse vérifier les résultats.

L'étude souligne que la valeur de cette approche est la plus élevée lorsque l'avenir est le plus incertain. En période de stabilité, les méthodes de planification traditionnelles fonctionnent souvent suffisamment bien. Mais lorsqu'une université est confrontée à un choc soudain, tel qu'un changement dans les lois sur les visas ou un changement démographique, la capacité de mesurer l'incertitude devient critique. L'outil ne promet pas de prédire l'avenir ; au contraire, il fournit un moyen de gérer le risque de se tromper. En restreignant automatiquement les décisions lorsque les preuves sont faibles, il protège l'université de commettre des erreurs coûteuses. En levant ces restrictions lorsque les preuves deviennent fortes, il permet à l'université de saisir les opportunités que d'autres méthodes de planification plus rigides pourraient manquer.

Ce travail représente un changement dans la manière dont la recherche opérationnelle, un domaine qui utilise des méthodes mathématiques pour aider les organisations à prendre de meilleures décisions, est appliquée à l'enseignement supérieur. Pendant longtemps, ces méthodes ont été utilisées pour des problèmes tactiques, comme la planification des cours ou l'allocation des ressources au sein d'un département. Cet outil déplace ce pouvoir vers le niveau stratégique, aidant les plus hauts niveaux de gouvernance universitaire à naviguer dans le risque financier. Les chercheurs soulignent que l'outil n'est pas un remplacement du jugement humain, mais un système de soutien qui rend ce jugement plus fiable. Il transforme le concept abstrait d'incertitude en un chiffre concret que les dirigeants peuvent voir et utiliser.

Les implications de ce travail s'étendent au-delà du Royaume-Uni. Les universités d'autres pays, comme l'Australie, sont confrontées à des défis similaires avec la volatilité des marchés des étudiants internationaux et les changements de politiques. Les chercheurs suggèrent que l'outil peut être adapté pour une utilisation partout, à condition d'utiliser les données locales pour calibrer le système. La logique centrale de mesurer l'incertitude et d'ajuster les décisions en conséquence est universelle. En rendant l'outil open-source, les chercheurs espèrent que d'autres institutions le testeront, l'affineront et l'adapteront à leurs propres contextes. Cette approche collaborative garantit que l'outil évolue sur la base de l'expérience réelle plutôt que de rester un exercice théorique.

En fin de compte, l'article présente une solution pratique à un problème persistant. Il offre un moyen aux universités de planifier l'avenir sans prétendre connaître l'avenir. En se concentrant sur ce qui est mesurable — le niveau de confiance dans les données — il fournit une base stable pour la prise de décision dans un monde instable. L'outil n'élimine pas le risque, mais il donne aux dirigeants un moyen de le comprendre et de le gérer avec une plus grande précision. Pour un secteur qui a lutté contre des prévisions trop optimistes et des déficits financiers, ce genre de clarté n'est pas seulement une amélioration technique ; c'est une étape vitale vers la durabilité à long terme. Les chercheurs invitent les directeurs financiers et les équipes de planification à essayer l'outil, à voir comment il se comporte avec leurs propres données, et à contribuer à son développement. L'objectif est de créer un standard partagé de planification fondée sur des preuves qui puisse aider les universités à naviguer dans les incertitudes des décennies à venir.