En lien avec la commission prospective, deux chercheurs de l’université de Perpignan vont proposer une méthode pour que chaque Office de Tourisme puisse évaluer ses actions. Par Laurent BOTTI, maître de conférences en sciences de gestion & Nicolas PEYPOCH, maître de conférences en sciences économiques de l’Université de Perpignan

1. Observatoire de l’efficience touristique :
Phase test
Jean-Luc BOULIN (MOPA), Paul FABING (RESOT-Alsace)
Laurent BOTTI (UPVD - CAEPEM), Nicolas PEYPOCH (UPVD - CAEPEM)

2. Observatoire de l’efficience touristique
1. Contexte et historique
2. Méthodologie de mesure de l’efficience
3. Quelques résultats
4. Perspectives

3. 1. Contexte et historique
Projet de recherche TRATSO : séminaire en décembre 2012
Commission prospective : avril 2013
Questionnaire lancé en juillet 2013
Premiers résultats aujourd’hui

4. 2. Méthodologie de mesure de l’efficience
Laboratoire CAEPEM
Centre d’Analyse de l’Efficience et de la Performance en Economie & Management
Méthodes de mesure de l’efficience et de la performance
Développements des méthodes
Applications à différents secteurs : transport, banque, sport, hôtellerie…
Méthode DEA (Data Envelopment Analysis)
Méthode d’identification de référents à atteindre (benchmarks) et de mesure de
l’inefficience

5. 2. Méthodologie de mesure de l’efficience
a. Au regard d’une technologie de
production non paramétrique, la
Output
(Produit)
Technologie de
production
méthode identifie les meilleurs
C
performances relatives au sein d’un
groupe d’entités homogènes.
b. Sur la base de ces benchmarks, les
B
A
Inefficience
autres entités évaluent leur inefficience
et peuvent étudier les stratégies
gagnantes.
A est inefficient
B et C sont ses benchmarks
Input
(Ressource)

6. 2. Méthodologie de mesure de l’efficience
En pratique
▪ Choix des inputs et outputs
- Logique de technologie de production
▪ Récolte de données comparatives
- Homogénéité relative des entités étudiées
▪ Choix d’un modèle et d’une orientation
- CRS, VRS, FDH, Super-Efficiency…
- Input ou output
▪ Benchmarking et recommandations

7. 3. Quelques résultats
La technologie de production, plusieurs possibilités
▪ Efficience touristique du territoire :
des ressources (inputs) : Lits ; Touristicité
pour produire (outputs) : Nuitées ; Taxe de séjour
▪ Efficience de l’OT :
des ressources (inputs) : ETP, Masse salariale, Immo, Subventions
pour produire (outputs) : Produits d’exploitation, Actes de renseignements
Ici, logique de DMO (modèle VRS à orientation output)
3 Inputs : ETP ; Subventions ; Touristicité (input fixe)
1 Output : Taxe de séjour

8. 3. Quelques résultats
Indice de touristicité
Mesure (entre 0 et 100) le degré de touristicité du territoire de la DMO
Intègre les 3 principales composantes du produit touristique
▪ Attractions :
- Présence sur le territoire d’au moins une Grand Site ou un site UNESCO
-
Présence et fréquentation de festival(s)
▪ Accessibilité :
- Distance de la gare TGV la plus proche
- Taille de l’agglomération la plus proche
▪ Hébergement :
- Nombre de lits marchands et non-marchands
- Taux de fonction touristique
Entre autres !

9. 3. Quelques résultats
Des données comparatives récoltées via 4 Google Docs
▪ Une fiche par collège (rural, littoral, montagne, urbain)
▪ Document mis en ligne en juillet
▪ Relance en septembre
Les données aujourd’hui
▪ 52 fiches exploitables
- 17 Rural
- 15 Littoral
- 4 Montagne
- 16 Urbain

10. 3. Quelques résultats
Statistiques descriptives des données récoltées
ETP
Subventions
Indice de
touristicité
Taxe séjour
Moyenne
8,85
362 700,57
63
144 564,76
Ecart-Type
5,76
400 601,17
19
150 221,71
Minimum
2,00
(Lilliput)
16 624,00
(Gotham City)
25
(Groland)
6 000,00
(Ile d’Oz)
Maximum
33,00
(Métropolis)
1 950 000,00
(Poudlard)
95
(Bordurie)
750 000,00
(Eldorado)
Des destinations imaginaires mais des données effectives
Hétérogénéité des territoires et DMO étudiées

11. 3. Quelques résultats
Etude inter-collège
Les DMO intégrées à l’analyse
Rural : Aubusson ; Aude en Pyrénées ; Bazadais ; Collines Cathares ; Gisors ;
Joigny ; Luberon ; Nogaro ; Pays de Figeac ; Pays de Foix Varilhes ; Pays de la
Provence Verte ; Pays de Mirepoix ; Pays de Roquefort ; Saint Guilhem le Désert ;
Saint Rémy de Provence ; Saverne ; Villeréal
Littoral : Baie de Morlaix ; Biscarosse ; Dinard ; Etretat ; Fécamp ; Hendaye ; La
Rochelle ; Littoral Audois ; Narbonne ; ND de Monts ; Plateau de Caux ; Pornic ; Porto ;
Sète ; Soustons
Montagne : Laruns, Métabief, Saint-Gervais, Thonon-les-Bains
Urbain : Angoulême, Bourges, Brest, Dinan, Dunkerque, Guérande, Libourne,
Limoges, Mulhouse, Pontarlier, Quimper, Rennes, Saint-Gilles, Salon de Provence,
Sens

12. 3. Quelques résultats
Analyse bivariée : matrice des corrélations
(I) ETP
(I) Subventions
(I) Indice de
touristicité
(O) Taxe
séjour
(I) ETP
1
0,75
0,56
0,62
(I)
Subventions
0,75
1
0,25
0,66
(I) Indice de
touristicité
0,56
0,25
1
0,46
(O) Taxe
séjour
0,62
0,66
0,46
1
Corrélations linéaires positives :
Les variables évoluent dans le même sens

13. 3. Quelques résultats
15 Benchmarks (sur 52 DMO)
▪
Modèle 3 Inputs – 1 Output
Orientation output
Benchmarks de différents collèges et différentes tailles :
Bazadais, Biscarosse, Hendaye, Narbonne, Pays de la Provence
Verte, Pornic, Quimper, Rennes, Saint-Gervais…
▪ Inefficience moyenne de 43 % : en moyenne, les DMO étudiées
pourraient augmenter leur résultat (en termes de Taxe de
Séjour) de 43 %

14. 3. Quelques résultats
Informations pour les DMO inefficientes
Exemple de la destination M :
▪ Score d’efficience de 1,25 : compte tenu des ressources qu’elle
utilise, la DMO de M n’est pas totalement performante.
▪ Pour atteindre l’efficience, elle devrait augmenter le niveau de
son output de 25 %.
▪ L’optimum qu’elle pourrait atteindre (au regard des inputs dont
elle dispose) est de 375 000 € soit un écart de 75 000 € avec le
niveau actuel de la taxe de séjour collectée (300 000 €).

15. 3. Quelques résultats
Informations pour les DMO inefficientes
▪ Cet optimum correspond à une DMO virtuelle issue de la combinaison
linéaire de DMO réelles produisant une quantité d’output supérieure.
▪ En se tournant vers les DMOs qui constituent son ensemble de
référence (i.e. en étudiant leurs stratégies et pratiques), la DMO de
M pourrait améliorer son efficience.
C
Output
A : DMO inefficiente
D
B et C : Benchmarks
B
D : DMO virtuelle optimale pour A
A
Input

16. 3. Quelques résultats
Informations pour les DMO inefficientes
▪ Composition du benchmark de M :
▪ Données de M et de son benchmark :
(I) ETP
(I) Subventions
(I) Touristicité
(O)Taxe séjour
P
12
270 000
87
330 000
N
11
604 544
92
312 000
B
11
600 000
68
580 000
R
33
1 858 299
89
750 000
M
13
425 000
86
300 000
Discussion
▪ Mais qu’en est-il de la productivité de l’hôtellerie marchande de M ?

17. 3. Quelques résultats
Limites de ces résultats
▪
Biais au niveau des données
- En termes de valeur :
Les 560 737 € de subventions versées à R par sa collectivité de tutelle sontils effectivement inférieur au 600 000 € versés à B ?
- Quant au calcul de l’indice de touristicité
▪ Etude d’une seule technologie de production ne peut être suffisante
▪ Comparaison intercollège ne peut être suffisante

18. 4. Perspectives
Des besoins
▪
Au niveau qualitatif :
- Réflexion sur les technologies de production à étudier
- Ajuster le calcul de l’indice de touristicité
▪
Au niveau quantitatif :
Multiplier les données pour des comparaisons :
- intra-collèges
- catégorielles
- Statutaires

19. Questions

20. Le comparateur des offices de tourisme
Un projet 2014 : permettre à un office de tourisme de se
comparer sous différents aspects (dont l'efficience !)
Une base de données unifiées
Un outil simple en ligne :
Choix du panel d'OT
Choix des critères de comparaisons
Des résultats clairs et imagés