La table 8.12 en Annexe du chapitre 5 fournit le détail des scores d’efficacité régio-naux pour les trois modèles. La figure 35, représente les scores départementaux pour les modèles A et B.
On constate, que le modèle B est plus discriminatoire que le modèle A, 20 DMUs sont efficientes avec un score de 1 contre 9 au sens du dernier. La définition de benchmarks est toutefois moins cohérente que pour le modèle A. En effet dans le modèle B, Seine-et-Marne est référencé comme benchmark pour 86 DMUs. Ainsi notre méthodologie permet bien d’établir des benchmarks plus pertinents. Si l’on s’intéresse aux scores d’efficience régionaux pour les trois modèles, on constate que le modèle C est sensiblement le moins discriminatoire.
0 20 40 60 80 100 120
Scores d'efficacité des départements selon les modèles A et B
Modèle A Modèle B
0 20 40 60 80 100 120
Comparaison des scores d'efficacité régionaux pour les 3 modèles
Modèle A Modèle B Modèle C
Figure 35 Comparaison des modèles A, B et C
Conclusion.
Ce chapitre propose une méthodologie pour évaluer l’efficacité et la productivité tou-ristique des régions Françaises. Dans un premier temps nous mesurons l’efficience des départements relativement à leur catégorie (balnéaire, montagne, urbaine, rurale). Ces ca-tégories sont définies selon des variables exogènes fixes : les conditions géographiques.
Ces variables ne sont pas controllables, nous les introduisons simplement pour définir les catégories de tourisme. Puis nous agrégeons ces scores au niveau régional afin d’estimer l’efficacité globale de la région. Cette étape nous permet d’analyser la productivité au ni-veau macro-économique. Une interprétation du progrès technique a d’ailleurs été proposé en ce sens. Nous quggérons de l’assimiler à la capacité des pouvoirs publics à promouvoir leur territoire. Les résultats indiquent des perspectives d’amélioration pour les départe-ments. Ainsi, cette étude fournit une grille d’analyse qui permet d’évaluer la performance touristique en distinguant la nature du tourisme.
Analyses empiriques de la performance
touristique du Languedoc-Roussillon
dans un contexte transfrontalier.
Comme nous l’avons dans les chapitres précédents le tourisme est un secteur dyna-mique, il est un levier de développement économique pour les régions. Dans ce qui suit nous nous focalisons plus particulièrement sur le tourisme dans le Languedoc-Roussillon.
Cette région a la particularité d’être transfrontalière avec l’Espagne et l’Andorre. En France20%du territoire est frontalier avec d’autres nations. Ce contexte accroît la concur-rence entre les régions et les pays frontaliers. Il est donc important d’évaluer la perfor-mance touristique des régions frontalières vis-à-vis des autres régions Françaises mais aussi relativement aux régions frontalières Européennes. Les applications qui suivent in-tègre cette dimension en tenant compte de ce contexte frontalier.
La première application est une analyse empirique de l’efficacité des stations de ski dans le massif des Pyrénées. Plus particulièrement cette étude évalue la performance ma-nagériale des remontées mécaniques pour les principaux domaines skiables du massif Pyrénéen. Cette montagne est partagé par le territoire Français, Espagnol et Andorran.
Notre étude inclut les stations de ski Françaises, Espagnoles et Andorranes dans l’ana-lyse. Les scores d’efficacité sont évalués avec la mesure de Debreu-Farrell, et comparés avec ceux issus de la "slack-based" mesure de Färe-Lovell. Nous utilisons un modèle à rendements d’échelle constants, orienté en output. Le but est d’établir dans quelles me-sures les remontées mécaniques pourraient accroître le nombre de forfaits vendus et donc leur chiffre d’affaires, compte tenu de leur offre actuelle. Les résultats établissent que certains domaines skiables, comme par exemple les Angles dans les Pyrénées-Orientales, pourraient accroître leur efficacité technique.
La seconde application évalue la performance du secteur de l’hébergement touristique des régions Françaises, en se focalisant sur la demande Européenne en 2013. Plus précisé-ment l’application analyse l’efficacité technique et allocative de la demande touristique1 qui émane des pays Européens frontaliers. Nous utilisons la mesure de Debreu-Farrell en output pour évaluer les scores d’efficacité. Le but est d’analyser dans quelles mesures les régions maximisent la demande frontalière, compte de leur offre d’hébergements touris-tiques actuelle. L’application établit qu’il existe des gains potentiels réalisables pour le Languedoc-Roussillon.
1. Caractérisée par le nombre de nuitées dans les hotels et dans les campings
1 Analyse de l’efficacité des stations de ski dans le massif des Pyrénées.
Pour la saison 2013-2014, le chiffre d’affaires de l’activité touristique en montage l’hiver dépassait les 7 milliards d’euros2. Le chiffre d’affaires des remontées mécaniques en France s’élevait à 1.3 milliards d’euros pour la saison2012/20133. L’activité de mon-tagne génère plus de 120 000 emplois en France. De ce fait, l’économie du ski est un enjeu stratégique de développement. La France compte plus de 200 stations de ski, prin-cipalement réparties sur les massifs des Alpes, des Vosges, du Jura et des Pyrénées. Ces stations doivent faire face à une concurrence interne et externe (des autres pays).
Les infrastructures offertes par le domaine skiable sont un facteur d’attractivité déter-minant dans le choix de la destination par les skieurs. Ces infrastructures correspondent à la capacité skiable du domaine, à la qualité de la neige et aux remontées mécaniques. De plus, le chiffre d’affaires des remontées mécaniques constitue près de20% de la recette globale du sport d’hiver. Ainsi, les remontées mécaniques constituent un facteur d’attrac-tivité déterminant. Elles créent des emplois et du revenu.
Les remontées mécaniques utilisent des facteurs de production similaires pour pro-duire des outputs similaires qui sont les forfaits vendus. La méthode DEA est adaptée pour comparer et analyser l’efficacité de ces DMUs. Certaines études ont déjà exploitées ce potentiel d’analyse. Par exemple, Goncalves (2013) utilise une fonction distance direc-tionnelle pour mesurer l’efficience des domaines skiables. Elle introduit l’indicateur de productivité de Luenberger pour évaluer la productivité des stations de ski en France. Son étude intègre 3 output : le chiffre d’affaires des remontées mécaniques, le nombre de jour-nées skieurs vendues et le nombre de passages en remontées mécaniques. Elle considère les nombres de pistes, de jours d’ouvertures et d’emplois (permanents et saisonniers) ainsi que le moment de puissance des remontées mécaniques.
Botti et al. (2012) évaluent la performance des stations de ski avec la métohode DEA.
Ils considèrent le nombre de journées skieurs et le chiffre d’affaire des remontées
méca-2. http://www.anmsm.f r/U pload/M ediatheque/dossier1/AN M SMOSMCPVague5.pdf 3. Source : Les Domaines Skiables de France
niques en tant qu’output. Ils caractérisent les facteurs de production par le nombre d’em-plois, le nombre de jour d’ouverture et le nombre de pistes.
Dans la lignée de ces travaux, la présente étude analyse la performance des domaines skiables dans les Pyrénées, avec la méthode DEA. Elle inclut les domaines skiables Espa-gnols et Andorran car ils sont des concurrents directs des stations Françaises des Pyrénées, du fait de leur proximité géographique. Le but est de comparer les performances de ces domaines et d’établir des recommendations managériales afin qu’ils améliorent leur com-pétitivité.
La première section présente l’économie du ski en France et plus précisément dans le massif des Pyrénées. La seconde section expose la méthologie de l’enquête et présente les données utilisées. La dernière section établit les résultats de l’étude et fournit ainsi les recommandations managériales.