Nous apparions des données de mobilité obtenus à partir de téléphones portables à un échantillon représentatif de près de 70 000 écoles aux États-Unis, et combinons ces données avec des informations sur les modes d'apprentissage scolaire pour construire une mesure de l'apprentissage effectivement réalisé en présentiel (EIPL) pendant la pandémie de COVID-19. Nous augmentons ensuite ces données avec plusieurs bases de données administratives afin de documenter les différences d'EIPL dans le temps, selon les régions et en fonction des caractéristiques individuelles des écoles. Nous obtenons trois résultats principaux. Premièrement, alors que l'EIPL a chuté en deçà de 20 % par rapport à son niveau pré-pandémique au printemps 2020 dans toutes les régions des États-Unis, l'EIPL a ensuite fortement varié au cours de l'année scolaire 2020-2021, atteignant plus de 80 % dans certaines villes du sud alors qu’il se maintenait en deçà de 20 % dans certaines villes de la côte ouest. Deuxièmement, une part substantielle de cette variation est expliquée par les caractéristiques observables des écoles : (i) les écoles publiques ont fourni en moyenne moins d'EIPL que les écoles privées ; (ii) les écoles situées dans des localités plus riches et plus instruites et les écoles comptant une plus grande proportion d'élèves non blancs ont fourni en moyenne moins d'EIPL ; et (iii) les écoles publiques ayant des dépenses par élève plus élevées avant la pandémie, ayant reçu un montant d'aide d'urgence aux écoles élémentaires et secondaires (ESSER) par élève plus importante, et les écoles ayant un plus grand nombre d'élèves ont fourni en moyenne moins d'EIPL. Troisièmement, l'association négative de l'EIPL avec la richesse, l'éducation et les dépenses scolaires pré-pandémiques est due en grande partie à des différences régionales systématiques qui sont corrélées aux préférences politiques. En revanche, l'association négative de l'EIPL avec la part d'élèves non blancs d'une école et le financement ESSER persiste au sein même des comtés et en contrôlant la richesse et l'éducation locales. Ces tendances sont importantes pour comprendre les facteurs qui ont conduit aux disparités dans les fermetures d'écoles et pour évaluer l'impact de la perte d'apprentissage en présentiel pendant la pandémie sur le niveau d'éducation futur, les inégalités des revenus et la croissance économique.