Version mobile du site Ires.fr à venir
A


N° 98 (juillet 2019)
Partager

Les inégalités se mesurent, les discriminations se constatent

Stéphane JUGNOT

La loi « pour la liberté de choisir son avenir professionnel », votée en 2018, cherche à passer d’une obligation de moyens à une obligation de résultats sur les écarts de rémunération entre les femmes et les hommes. Elle s’appuie sur l’idée que les discriminations pourraient se mesurer, offrant ainsi des quantifications pour piloter l’action. Cet article rappelle qu’en réalité, cette prétention est illusoire d’un point de vue statistique en revenant sur les deux approches les plus souvent mobilisées : les analyses statistiques dites « toutes choses égales par ailleurs » et les testings statistiques. Il explique en quoi ces outils ne permettent pas de quantifier l’ampleur des discriminations, sans en remettre en cause l’intérêt. L’absence de mesure n’oblige pas à renoncer à l’action. Elle doit plutôt être une invitation à la réflexion et aux approches interdisciplinaires qui ne font pas du chiffre la pierre angulaire de la preuve.

Lire la suite

Le 5 septembre 2018, la loi « pour la liberté de choisir son avenir professionnel » a été promulguée. Son article 104 créé un nouveau chapitre dans le Code du travail pour passer d’une obligation de moyens à une obligation de résultats sur les écarts de rémunération entre les femmes et les hommes dans l’entreprise. Pour défendre cette innovation, la ministre du Travail a largement communiqué [1] sur le fait qu’à travail égal, les femmes seraient rémunérées 9 % de moins que les hommes alors que depuis 1973, le Code du travail dispose que « tout employeur assure, pour un même travail ou pour un travail de valeur égale, l’égalité de rémunération entre les femmes et les hommes [2] ». En affirmant que cet écart est observé « à travail égal », la ministre suggère qu’il donne la mesure d’un écart illégitime uniquement lié au sexe. Il quantifierait donc une inégalité de traitement prohibée par les dispositifs législatifs réprimant les discriminations. Ainsi, cette mesure d’une inégalité de situation serait aussi une mesure des discriminations subies par les femmes en matière de rémunération. En termes de politique publique, l’intérêt d’une telle approche, si elle était possible, serait certain car si la mesure des discriminations est possible, il devient plus facile d’exiger une obligation de résultats, mesurables et opposables.

La possibilité d’une mesure des discriminations est aussi sous-jacente aux travaux du comité pour la mesure et l’évaluation de la diversité et des discriminations installé le 23 mars 2009 par Yazid Sabeg, commissaire à la diversité (Héran, 2010). Le Conseil national de l’information statistique (Cnis), instance pilotée par l’Institut national de la statistique et des études économiques (Insee) pour organiser les échanges entre les services producteurs de la statistique publique et les acteurs sociaux, a aussi conforté cette idée en organisant en juin 2017 une journée autour de cette question : « Comment mesurer les discriminations dans le domaine de l’emploi ? » (Cnis, 2017). À rebours de ces points de vue, cet article vise à rappeler que chercher à mesurer les discriminations est illusoire d’un point de vue statistique en revenant sur les deux approches les plus souvent mobilisées : les analyses statistiques dites « toutes choses égales par ailleurs » et les testings statistiques.

Dans un premier temps, nous nous arrêterons sur les analyses des inégalités, qui servent de point de départ aux prétendues mesures des discriminations « toutes choses égales par ailleurs », une fois isolées les inégalités « expliquées ». C’est notamment le cas avec le document de la Dares [3], service statistique du ministère du Travail, qui a servi de base au constat de la ministre évoqué plus haut. Présenté lors des « Rendez-vous de Grenelle » d’août 2018, il fait le constat suivant, résumé sur un graphique : « 24 % d’écart [entre les salaires des femmes et ceux des hommes], 7 points liés aux temps partiels plus fréquents pour les femmes, 8 points liés à des secteurs d’activité et des postes moins rémunérateurs, 9 points à travail égal. » Cependant, la Dares, qui reprend ici une étude de 2017 (Coudin et al., 2017), souligne que « cet écart inexpliqué ne peut être intégralement imputé à des comportements de discrimination salariale car les études ne peuvent jamais prendre en compte l’intégralité des circonstances pouvant justifier des écarts de salaires » (I). Nous verrons donc dans un second temps pourquoi ce raccourci souvent fait entre l’écart inexpliqué et une mesure des discriminations n’est scientifiquement pas rigoureux (II). Dans un troisième temps, nous aborderons les testings statistiques, outils beaucoup plus adaptés à l’observation directe de comportements discriminatoires, mais complexes à mettre en œuvre et réservés à des processus particuliers. Par ailleurs, ils ne permettent pas non plus de donner une mesure réelle de la discrimination du fait de leur caractère fictif et localisé (III).

Cet article ne cherche pas à couvrir l’ensemble des discriminations possibles. Les développements qui suivent s’appuieront plus particulièrement sur deux sujets, retenus à titre illustratif : l’écart salarial entre les femmes et les hommes et l’accès à l’emploi des personnes ayant des ascendances immigrées réelles ou présumées. Un choix était nécessaire. Il a tenu compte de la richesse de la littérature disponible. Il reflète aussi le fait que les démarches examinées sont plus ou moins faciles à mettre en œuvre selon les sujets d’intérêt, pour des raisons techniques ou de disponibilité des données. La question du repérage de la discrimination syndicale sera toutefois également ponctuellement évoquée.

I. Les analyses statistiques permettent de mesurer des inégalités de situation au niveau global

Les travaux sur les inégalités de salaires entre les femmes et les hommes sont nombreux et réguliers. Ils partent souvent des écarts observés sur le niveau moyen des rémunérations mensuelles ou annuelles, sans prise en compte des différences de quotité de travail, alors que les femmes sont beaucoup plus souvent à temps partiel que les hommes – souvent du temps partiel subi –, puis ils corrigent cet écart en s’intéressant, soit aux écarts en équivalent temps plein, soit aux salaires horaires.

Gueye (2018) étudie ainsi les écarts de salaires nets moyens en équivalents temps pleins pour les salariés du secteur privé, par secteur et par branche professionnelle. Sur cet indicateur, la rémunération moyenne des femmes apparaît globalement inférieure de 18,6 % à celle des hommes en 2015. L’écart est plus important dans les grandes entreprises que dans les petites. Il est fortement variable selon les secteurs d’activité et les branches professionnelles : -0,2 % dans le bâtiment et les travaux publics, -1,6 % dans le transport routier, -4,2 % dans la restauration rapide mais -30,9 % dans l’immobilier et -37,4 % dans les banques.

Berger et alii (2017) soulignent que l’écart de rémunération du salaire net en équivalent temps plein entre les femmes et les hommes connaît une tendance à la baisse puisqu’il était de 21,5 % en 2002 et 19,2 % en 2012 (graphique 1). Ils expliquent cette évolution en partie par le fait que les femmes sont de plus en plus nombreuses chez les cadres mais aussi parce que le salaire moyen des femmes augmente plus vite que celui des hommes chez les ouvriers et employés, ce constat fait à gros traits reflétant sans doute des évolutions de structure dans la répartition des métiers occupés au sein de ces catégories sociales.

graphique1 

Comme les niveaux moyens de rémunération varient selon la catégorie d’emploi, le secteur d’activité, la taille des entreprises, etc., et comme les femmes et les hommes n’occupent pas dans les mêmes proportions les mêmes emplois, les analyses essaient le plus souvent de voir quelle part des écarts peut résulter de ces facteurs explicatifs pour en déduire des écarts dits « toutes choses égales par ailleurs ».

Berger et alii (2017) indiquent ainsi qu’à secteur d’activité, âge, catégorie socioprofessionnelle, taille de l’entreprise et conditions d’emploi (temps partiel ou temps complet) donnés, l’écart de salaire entre les femmes et les hommes n’est plus que de 9,3 % en 2015, lui aussi en recul [4]. Les facteurs explicatifs mobilisés expliquent donc la moitié de l’écart observé au départ.

Petit (2006) étudie les écarts de salaires horaires dans les entreprises du secteur privé de 10 salariés ou plus en mobilisant davantage de variables explicatives, les unes liées à l’individu, d’autres liées au poste occupé, les dernières liées à l’entreprise. Concernant l’individu, elle tient compte du niveau de diplôme atteint (8 modalités), de l’expérience potentielle [5], de l’ancienneté dans l’entreprise et de l’existence d’une interruption de carrière d’au moins un an depuis la première embauche (29 % des femmes sont concernées contre 18 % des hommes). Le poste occupé est décrit par la catégorie sociale très agrégée (4 positions [6]), la nature du contrat (CDI, CDD ou autre), la localisation géographique (8 zones) et la quotité de travail (temps partiel ou non). Un peu plus de 40 % de l’écart de rémunération observé est alors expliqué par les facteurs mobilisés (8 points sur un écart de 19 % en 2002).

Chamkhi et Toutlemonde (2015) proposent une analyse « toutes choses égales par ailleurs » des écarts de salaire horaire dans le secteur privé qui met l’accent sur les différences de métier occupé. Pour cela, ils s’appuient sur la nomenclature des familles professionnelles développée par le service statistique du ministère du Travail. Ils prennent aussi en compte d’autres facteurs explicatifs de façon moins détaillée : l’âge (trois tranches d’âge), la nature du contrat (CDI ou non), la quotité de travail (temps partiel ou non), la taille de l’entreprise et le secteur d’activité [7], la dimension territoriale (emploi en Île-de-France ou non). L’écart brut de 25,7 % sur le salaire mensuel moyen observé entre les femmes et les hommes en 2012 se réduit à 16,3 % lorsque l’on raisonne en salaire horaire, dont un tiers seulement est expliqué par les facteurs explicatifs retenus, soit 5,8 points, dont 3,5 points résultent des différences de métier occupé lorsque les emplois sont répartis en 76 catégories.

Chamkhi (2015) propose une analyse qui cherche à prendre en compte de façon plus fine les différences territoriales en s’appuyant sur le découpage du territoire national en 321 zones d’emploi, faisant une hypothèse, insuffisamment argumentée, de spécificités des marchés locaux de l’emploi [8]. Les équations permettant une analyse toutes choses égales par ailleurs sont estimées par zone d’emploi. Les autres facteurs potentiellement explicatifs sont introduits de façon agrégée : l’âge (4 modalités), la catégorie socioprofessionnelle (4 positions), la nature du contrat (CDI ou non), la taille de l’entreprise (3 modalités), le secteur d’activité agrégé (industrie, construction, commerce ou autres services marchands). L’écart de rémunération mesuré en 2010 entre les femmes et les hommes salariés du secteur privé s’établit à 19,7 % pour le salaire mensuel net en équivalent temps plein. Il est de 18,4 % si l’on raisonne en salaire horaire. Les inégalités territoriales entre zones d’emploi sont fortes, l’écart de salaire horaire variant de 1,6 % à 26,9 % en défaveur des femmes. Les zones où les écarts sont les plus faibles sont essentiellement les départements d’outre-mer, l’essentiel d’un grand quart sud-ouest couvrant Poitou-Charentes, l’Aquitaine, Midi-Pyrénées (hors agglomération toulousaine), le Languedoc et le Massif central. À l’opposé, l’essentiel de Rhône-Alpes, d’Alsace, de la Provence, Toulouse, l’Ouest francilien, mais aussi Cherbourg, font partie des territoires où les écarts sont les plus forts. L’analyse « toutes choses égales par ailleurs » permet d’expliquer 47 % des écarts observés sur le salaire horaire (8,6 points). Elle ne réduit pas sensiblement la diversité observée entre territoires, l’éventail des écarts de salaire horaire « non expliqués » s’échelonnant de 1,5 % à 15,6 % en défaveur des femmes selon la zone d’emploi.

Leythienne et Ronkowsky (2018) proposent une analyse internationale des écarts de salaire horaire entre les femmes et les hommes en tenant compte de l’âge, du niveau d’éducation (nomenclature européenne en quatre niveaux), de la profession (nomenclature européenne en une cinquantaine de postes), de l’ancienneté dans l’entreprise, du type de contrat de travail, de la quotité de travail (temps partiel ou non), de l’activité de l’entreprise (en cinq secteurs), de la taille de l’entreprise (cinq modalités) et de la nature privée ou publique du contrôle de l’entreprise. Pour la France, l’écart observé en 2014 est de 15,5 %, dont 31 % s’expliquent par les différences entre les femmes et les hommes sur les caractéristiques observées. L’écart total de rémunération observé est plus fort en Allemagne, en Angleterre ou en Finlande.

Enfin, pour terminer ce panorama illustratif qui ne vise pas l’exhaustivité, il convient de citer Coudin et alii (2017) dont les chiffres sont ceux repris par la Dares dans le document cité par la ministre du Travail dans les débats de 2018. Ils s’intéressent aussi à l’écart de salaire horaire des femmes par rapport aux hommes parmi les salariés du secteur privé. L’écart observé passe de 16,8 % en 1995 à 14,4 % en 2014, le salaire moyen des femmes ayant augmenté plus vite que celui des hommes. En fin de période, 41 % de l’écart (5,9 points) est expliqué par les différences de caractéristiques sur les facteurs retenus : plus haut diplôme (7 niveaux [9]), âge, expérience professionnelle (durée d’emploi comme salarié toutes entreprises confondues), ancienneté dans l’entreprise, catégorie socioprofessionnelle, quotité de travail, secteur d’activité, région d’emploi et taille de l’entreprise.

Dans les débats de 2018, la ministre interprète explicitement la partie « inexpliquée » des écarts comme le signe de la persistance d’une discrimination salariale et, corrélativement, comme une mesure de celle-ci. C’est aussi la posture de Petit (2006), qui titre sur une « évaluation possible de la discrimination salariale », même si elle est « imparfaite ». Cependant, la plupart des auteurs indiquent explicitement que la partie « inexpliquée » n’est pas une mesure des discriminations. Pour ne prendre qu’un exemple parmi les auteurs cités précédemment, Leythienne et Ronkowski (2018) précisent : « Comme la partie inexpliquée de l’écart salarial hommes-femmes est résiduelle, il n’est pas recommandé de l’interpréter comme la mesure d’une possible discrimination de type “à travail égal, salaire inégal” [10] ».

II. Il n’existe pas de mesure des inégalités « toutes choses égales par ailleurs »

Pour celles et ceux qui se préoccupent des discriminations et sont à la recherche de mesures pour appuyer leurs analyses ou leurs préconisations, la tentation peut être légitime de voir dans les résultats des études évoquées un moyen de mesurer les discriminations en s’appuyant sur l’idée que l’analyse des inégalités étant « toutes choses égales par ailleurs », la partie résiduelle, souvent importante et non expliquée des inégalités mesurées, devient l’écart inexplicable, donc illégitime causé par les discriminations. Cette tendance s’appuie sur la facilité de langage résumée par l’expression « toutes choses égales par ailleurs » souvent employée. Celle-ci est en fait un raccourci trompeur : il n’existe pas de mesures des inégalités « toutes choses égales par ailleurs » car aucune mesure n’est « toutes choses égales par ailleurs ». Trois sujets seront successivement abordés : en premier lieu, le choix des variables explicatives puis en deuxième, le choix de la modélisation, deux aspects qui influencent la mesure de la part inexpliquée. Enfin, la légitimité à se focaliser sur la partie inexpliquée des résultats des modèles sera abordée.

II.1. Le choix des variables explicatives, qui influence la mesure, est contraint

L’importance de la part expliquée, donc corrélativement de la part inexpliquée, dépend d’abord des variables explicatives retenues et en particulier de leur pertinence au regard du phénomène étudié. Ainsi, par exemple, le niveau de salaire peut dépendre, tant d’un point de vue théorique que légal, du niveau du poste occupé et de la nature du contrat de travail. Il dépend aussi de la capacité de l’entreprise à créer de la valeur et de sa politique de rémunération, en partie corrélée au secteur d’activité et à la taille de l’entreprise, voire son insertion dans un groupe. Il dépend enfin de caractéristiques liées à la personne, comme les diplômes et qualifications acquis, l’expérience professionnelle antérieure, les interruptions de carrière éventuelles, sans évoquer le sujet plus ambigu de la part variable de la rémunération, qui peut traduire des inégalités de performance objectivables mais aussi une dimension subjective où la discrimination peut s’introduire. Or toutes ces informations pertinentes, qui contribuent à la détermination du niveau de rémunération, sont rarement toutes disponibles dans les sources de données mobilisées par les chercheurs dans leurs études. Certaines informations sont d’ailleurs difficilement « observables » en dehors de l’observation directe, voire également difficilement quantifiables, comme le degré d’implication ou de motivation, le comportement, etc. Si ces dimensions peuvent être accessibles au sociologue sur le terrain, elles ne le sont pas pour ceux qui manipulent les données administratives ou d’enquête.

En matière de salaire, les déclarations annuelles de données sociales, désormais remplacées par la déclaration sociale nominative, sont la source la plus souvent mobilisée. Elles rendent le mieux compte des salaires effectivement versés à chacun puisque cette source administrative est alimentée par des déclarations obligatoires destinées à transmettre aux organismes sociaux les informations nécessaires au calcul des droits et des assiettes pour les cotisations d’assurance vieillesse et d’assurance maladie, assises sur les salaires. Elles servent aussi à l’administration fiscale pour produire les déclarations pré-remplies pour l’impôt sur le revenu. Cette source permet de repérer les entreprises, donc certaines de leurs caractéristiques, dont le secteur d’activité et la taille pour ne citer que les informations les plus souvent mobilisées. Elle permet de connaître des caractéristiques du contrat et de l’emploi, avec cependant une qualité moins robuste que le niveau de salaire, notamment la profession et catégorie socioprofessionnelle selon une nomenclature détaillée de l’Insee en 429 postes. En revanche, les informations disponibles sur le salarié sont beaucoup plus pauvres : l’âge, le sexe et le lieu de résidence.

À côté de cette source exhaustive, couvrant l’ensemble des salariés, la statistique publique a mis en place un panel qui permet de suivre un échantillon de salariés tout au long de leur carrière. Pour eux, il est aussi possible d’estimer leur durée de présence dans l’entreprise et de connaître leurs expériences salariées antérieures sur le seul territoire national. Un rapprochement avec le recensement permet aussi d’avoir des informations issues des bulletins du recensement, notamment le diplôme, la nationalité et le pays de naissance mais le diplôme n’est cependant disponible que de façon très agrégée. De plus, depuis la mise en œuvre de la collecte du recensement en continu, ces informations ne sont pas connues pour tous. Par ailleurs, faute d’informations, il est difficile d’étudier avec cette source les inégalités liées à d’autres motifs que le sexe, notamment celles liées aux origines présumées, à l’appartenance syndicale ou à l’orientation sexuelle. In fine, le recours aux données administratives néglige un certain nombre de facteurs pertinents sur les caractéristiques des salariés et de leur trajectoire.

Les données d’enquête forment une alternative à ces sources administratives. Basées sur des questionnaires, elles permettent potentiellement de collecter des informations plus riches que les sources administratives. Par exemple, les enquêtes « Génération » du Cereq sur les entrées dans la vie active des jeunes à l’issue de leur formation initiale abordent les origines familiales des parents des personnes enquêtées, permettant de repérer les enfants d’immigrés. Elles collectent aussi des informations assez précises sur les diplômes obtenus. Elles repèrent les interruptions dans la trajectoire professionnelle et abordent toutes les périodes d’activité, salariées ou non. Cependant, obtenir des estimations statistiques robustes nécessite de disposer d’un nombre d’observations minimum, d’autant plus élevé que le nombre de facteurs explicatifs que l’on souhaite introduire augmente. De ce fait, même si une enquête permet d’envisager de collecter davantage d’informations pertinentes susceptibles d’expliquer les inégalités de situation observées sur le phénomène d’intérêt, comme le niveau de rémunération ou l’accès à l’emploi, ces informations, même si elles sont disponibles, ne peuvent pas être mobilisées de façon détaillée pour une analyse « toutes choses égales par ailleurs ».

L’importance de la part expliquée, donc de la part inexpliquée, dépend aussi du nombre de facteurs explicatifs introduits dans le modèle et de leur degré de détail, car plus le nombre de facteurs explicatifs augmente ou plus ces facteurs sont introduits de façon détaillée, plus la partie « inexpliquée » des inégalités observées « toutes choses égales par ailleurs » se réduit de façon mécanique. Ce point est rarement mis en avant dans les études publiées qui s’attardent rarement à montrer la sensibilité de leurs résultats à leurs hypothèses. Duvivier et alii (2016) font partie des exceptions dans leur analyse de l’écart de rémunération des femmes par rapport aux hommes pour les fonctionnaires titulaires des trois fonctions publiques (fonction publique d’État, fonction publique territoriale et fonction publique hospitalière). Ils testent ainsi plusieurs modèles qui leur permettent de réduire progressivement la part inexpliquée des écarts en mobilisant une information de plus en plus précise sur la position statutaire des agents : la catégorie d’appartenance (A, B ou C), le ministère (pour la fonction publique d’État) ou la filière (pour les autres fonctions publiques), le corps d’appartenance et enfin, le grade. Dans le cas de la fonction publique d’État, la part inexpliquée des rémunérations passe ainsi de 57 % à 13 % avec une modélisation à la « Oaxaca-Blinder » (voir infra, II.2, pour la définition des modélisations) et de 43 % à 8 % avec une modélisation à la « Nopo » (tableau 1).

Jugnot (2012) propose un autre exemple sur les inégalités d’accès à l’emploi des enfants d’immigrés d’Afrique par rapport aux descendants de natifs de France à la sortie du système éducatif. 61 % des premiers sont en emploi cinq ans après la fin de la formation initiale alors que ce taux est de 82 % chez les seconds, soit un écart de 21 points. Selon les facteurs explicatifs retenus pour modéliser la probabilité d’être en emploi au bout de trois ans, l’écart inexpliqué varie de 9 à 16 points (graphique 2). En particulier, le fait d’affiner la prise en compte du niveau de formation en passant de quatre modalités très agrégées [11] à 18 modalités [12] permet de mieux prendre en compte la sélectivité du marché du travail et augmente de moitié la part expliquée des écarts.

tableau1 

Comme cela a été dit plus haut, augmenter le nombre de variables explicatives ou le détail des variables se heurte à une limite : plus on introduit de facteurs explicatifs, plus le nombre d’observations nécessaires augmente pour être en mesure de conclure de façon robuste à des résultats statistiquement significatifs. L’analyste se trouve donc face à un dilemme entre richesse des informations mobilisables et nombre d’observations disponibles. Soit il privilégie une source administrative qui contient de nombreuses observations mais reste pauvre en informations mobilisables, soit il privilégie des données d’enquête mais ne peut en exploiter toute la richesse parce que les données ne portent que sur un échantillon, donc un nombre réduit de personnes. Ce dilemme se pose aussi pour les outils de pilotage de certaines politiques de lutte contre les discriminations ou de promotion de la diversité car dès que l’on se place au niveau de l’entreprise, qu’il s’agisse de repérer les possibles discriminations salariales entre les hommes et les femmes ou les inégalités d’opportunité de recrutement ou de promotion de certains groupes potentiellement discriminés, les effectifs sont forcément réduits pour mener à bien une analyse statistique robuste d’écarts « toutes choses égales par ailleurs ». À cet échelon, si les inégalités sont observables, repérer de façon statistique la part inexpliquée des écarts est beaucoup plus compliqué, voire techniquement impossible dans la plupart des cas.

graphique2

II.2. Le choix de la modélisation influence aussi la mesure

Le choix du type de modélisation est un autre sujet susceptible d’influencer la mesure de la part inexpliquée des inégalités mesurées. Expliquer les inégalités observées suppose en effet de pouvoir rapprocher la situation de chaque personne du groupe potentiellement discriminé de personnes « comparables » appartenant au groupe de personnes a priori non discriminées, de façon à construire une réalité « contrefactuelle » qui serait observée « toutes choses égales par ailleurs » en l’absence de discrimination. La façon de procéder n’est pas unique et selon les choix de modélisation faits, les inégalités observées diffèrent.

Dans le cas des écarts de rémunération, l’approche la plus fréquente, utilisée dans tous les travaux cités plus haut, reprend la décomposition de Oaxaca-Blinder. Celle-ci s’appuie sur la détermination d’équations de salaire qui permettent d’évaluer le « rendement » salarial de chaque facteur explicatif retenu, comme le niveau de diplôme ou l’ancienneté professionnelle. Cette méthode paramétrique se heurte au problème des situations typées, comme l’existence de métiers fortement féminisés. Pour ces métiers, il est difficile de déterminer une valeur de référence pour le salaire à partir de personnes du groupe a priori non discriminé. Au passage, le fait d’accroître le nombre et le détail des facteurs explicatifs retenus accroît ce risque car, par exemple, plus les diplômes ou les professions sont pris en compte de façon fine, plus le nombre de situations très genrées augmente. La décomposition de Oaxaca-Blinder pose aussi des contraintes fortes sur la forme de la relation, additive, entre les effets des différents facteurs et le niveau de salaire. Pour contourner ces limites, Duvivier et alii (2016) proposent de mettre en œuvre une méthode de décomposition non paramétrique dite de Nopo, qui permet d’assouplir la forme de l’équation reliant les facteurs explicatifs au niveau des salaires. Ils montrent alors qu’à facteurs explicatifs identiques, le seul fait de changer d’approche méthodologique réduit la part inexpliquée des écarts de rémunérations entre les femmes et les hommes titulaires de la fonction publique. Elle peut être réduite de moitié dans certains cas (tableau 1).

D’autres modélisations complexes peuvent aussi être mises en œuvre. Pour étudier les écarts de salaires entre les enfants d’immigrés et les autres, Aeberhardt et alii (2010) proposent ainsi d’enrichir l’analyse afin de tenir compte du biais de sélection que des possibles barrières d’accès aux emplois peuvent induire. Il s’agit ainsi de tenir compte, dans la mesure des écarts de salaire, du fait qu’à caractéristiques identiques, certains accèdent peut-être plus facilement que d’autres aux emplois considérés. Dans leur cas, ils montrent que les caractéristiques prises en compte ne suffisent pas à expliquer les inégalités d’accès à l’emploi mais suffisent à expliquer les écarts de rémunération observés entre les enfants d’immigrés et les autres.

II.3. La part « expliquée » de l’écart ne signifie pas non plus qu’il est légitime

Les données disponibles et les choix des analystes influencent ainsi la mesure des inégalités entre groupes et l’importance de la part expliquée de ces inégalités. La part d’inexpliqué résiduelle rappelle que la réalité ne se met pas simplement en équation. D’un point de vue théorique, elle n’est qu’un « résidu ». Ce résidu emporte bien sûr des effets des pratiques discriminatoires mais il est d’abord et avant tout le reflet des limites de la modélisation. Son importance montre que des facteurs explicatifs importants n’ont sans doute pas pu être pris en compte du tout ou pas de façon assez détaillée, soit parce que cette information n’est pas observable, soit parce ce qu’elle est observable mais n’a pas été collectée, soit parce qu’elle est disponible mais que le nombre d’individus observés est insuffisant pour tenir compte de tous les facteurs possibles. Se focaliser sur la part d’inexpliqué revient d’abord à mettre en avant les insuffisances du modèle et non les effets d’un facteur illégitime, comme la discrimination.

Réciproquement, la partie « expliquée » des écarts ne peut être interprétée trop rapidement comme le reflet d’un écart qui serait légitime. Les théories des discriminations systémiques sont les plus radicales de ce point de vue puisqu’elles conduisent à assimiler toute inégalité entre un groupe jugé potentiellement discriminé et un groupe dit « majoritaire », par hypothèse non susceptible de subir des discriminations, comme une mesure et une preuve de l’existence de discriminations. Sans aller jusqu’à de telles approches globalisantes, peu opérationnelles d’un point de vue analytique (Jugnot, 2015), appuyer l’analyse des écarts de salaire sur une théorie de la détermination des salaires serait un préalable nécessaire au choix des variables « explicatives » retenues, pour dire, par exemple, en quoi, le secteur d’activité, la taille de l’entreprise ou la zone d’emploi sont des facteurs légitimes de différenciation. Le diplôme, parce qu’il est censé refléter le capital humain du travailleur, est ainsi souvent considéré comme une variable clef. Pourtant, la forte progression du niveau de diplôme des femmes relativement aux hommes n’a pas réduit de façon symétrique l’écart de rémunération entre eux (Gadrey, Gadrey, 2018). Les travaux de Silvera (par exemple Silvera, 2014) apportent des éléments explicatifs en soulignant les faiblesses des classifications professionnelles, plus promptes à reconnaître et valoriser les compétences techniques de métiers souvent plus masculins que les connaissances et les compétences spécifiques des métiers les plus féminisés, comme ceux des fonctions dites « support » impliquant des compétences relationnelles peu formalisables. Dans ces conditions, analyser les écarts de salaire à profession ou classification identique ne permet pas de rendre compte d’écarts illégitimes de rémunération au regard des contributions de chacun à la production.

En réalité, pour le chercheur qui s’intéresse aux discriminations, la mesure par le résidu n’est qu’un pis-aller qui peut se justifier faute d’alternative, mais partant d’un même modèle explicatif du niveau de rémunération, selon ses centres d’intérêt, le chercheur pourrait mobiliser les mêmes résidus en les compilant différemment ici pour en déduire une « mesure » des discriminations entre les femmes et les hommes, là pour y voir les différences de réputation, justifiée ou non, des différentes universités ou écoles. Dans ces conditions, le transfert de cette approche peu robuste dans le monde réel comme outil de pilotage d’une politique publique peut poser question. Avant de se focaliser sur la partie que les modèles n’expliquent pas, des conséquences pourraient être tirées de ce que les modèles disent. En décomposant les effets de différents facteurs explicatifs, ils soulèvent depuis longtemps des questions qui sont loin d’être encore pleinement traitées, comme le caractère très genré de certaines professions, la moindre rémunération des professions les plus féminisées, les effets liés aux interruptions de carrières renvoyant aux stéréotypes sociaux sur la répartition des rôles au foyer, ou encore le « plafond de verre ». Au lieu de voir dans l’analyse statistique un moyen d’obtenir une mesure opposable dans le cadre d’une politique publique fondée sur les chiffres, ces constats doivent plutôt inciter à recourir à d’autres disciplines, dont la sociologie et la psychologie sociale, pour mieux comprendre les mécanismes en œuvre, donc les leviers d’action possibles.

III. L’observation et les simulations donnent des « mesures » théoriques locales

Si la mesure des inégalités « toutes choses égales par ailleurs » ne dit rien des discriminations, ce n’est pas le cas du testing dont la valeur probante est beaucoup plus robuste. En France, cette approche a d’abord émergé comme outil juridique. SOS Racisme a commencé à l’utiliser à la fin des années 1990 pour montrer l’existence de discriminations racistes dans l’accès aux discothèques avec un principe simple : des personnes d’origine immigrée se présentent à l’entrée puis quelques minutes après, des personnes d’apparence non immigrée. Si les premières se voient refuser l’accès sans motif alors que les secondes sont admises, il y a alors discrimination. Cette méthode a été validée par un arrêt de la Cour de cassation du 11 juin 2002. Elle a été légalisée par la loi du 31 mars 2006 pour l’égalité des chances qui l’inscrit dans le Code pénal comme élément de preuve de pratiques discriminatoires pour la fourniture de biens ou services ou le recrutement [13]. La légalité de cette disposition, parfois contestée en raison de son caractère déloyal, voire incitant à la commission du délit, a été confirmée par un arrêt de la Cour de cassation du 4 février 2015. Concrètement, outre l’accès aux discothèques, ce testing « juridique » a déjà été utilisé pour mettre en évidence des discriminations en matière d’accès à l’emploi et à une location de logement.

Ces testings « juridiques » ne sont cependant pas « statistiques » car ils ne cherchent pas à démontrer que l’écart de traitement observé est statistiquement robuste par un nombre de tests suffisants. Ils constituent un élément de preuve que la justice apprécie ensuite, de manière non automatique, en tenant compte des autres éléments à sa disposition dans chaque cas d’espèce. Par ces aspects, le testing « juridique » peut être rapproché de la méthode développée par des militants syndicaux de Peugeot dans la deuxième moitié des années 1990 pour obtenir la condamnation de cette entreprise pour discrimination syndicale. Cette méthode de suivi de panel, dite « Clerc », du nom du représentant syndical l’ayant mise en œuvre puis promue, consiste à fournir au juge une représentation de la trajectoire professionnelle des victimes présumées selon les grilles de classification de l’entreprise et à la mettre en regard des trajectoires des autres salariés, entrés au même moment et de même qualification initiale [14] (Chappe, 2011 ; Hatzfeld, 2016). Là aussi, il n’est pas question de robustesse statistique de l’écart mesuré et là aussi, le constat est replacé dans son contexte par la justice en tenant compte des autres éléments et des arguments apportés par chacune des parties [15]. Dans les deux approches, le constat de la discrimination n’a pas besoin d’une donnée statistiquement robuste mais celle-ci ne suffit pas non plus.

Des testings « statistiques » se sont progressivement développés, à des fins de connaissance, en particulier dans le cas des discriminations à l’embauche, à partir de la mise en place d’une méthodologie adaptée par le
Bureau international du travail (BIT) [16]. Celle-ci préconise de réaliser au moins 175 tests pour conclure de façon robuste à une discrimination. Les testings faits à l’entrée d’une discothèque, pour un emploi ou un logement donné ne peuvent évidemment pas atteindre ce seuil. En la matière, c’est donc au juge d’apprécier la solidité des preuves avant de constater la discrimination.

III.1. Quelques exemples de testings statistiques réalisés en France

En France, le testing statistique s’est essentiellement développé pour étudier les discriminations potentielles en matière de recrutement. Même s’il est complexe à mettre en œuvre, le principe en est simple : en réponse à des offres d’emploi réelles, des candidatures fictives sont adressées aux recruteurs, avec des CV qui signalent des compétences et des expériences identiques et qui ont pour seule différence la caractéristique potentiellement discriminatoire que l’on souhaite tester : le sexe, les origines présumées (sur la base du patronyme, d’une photographie, du pays de naissance ou de la nationalité), l’existence d’un handicap (par exemple, avec la mention d’une reconnaissance de handicap), la réputation du quartier (sur la base de l’adresse), etc. Deux CV qui ne diffèrent que pour la seule caractéristique que l’on souhaite tester – ou plus de CV si l’on souhaite tester plusieurs caractéristiques potentiellement discriminatoires – sont alors adressés aux recruteurs en réponse à un échantillon d’offres d’emploi. En l’absence de discrimination, les réponses adressées aux différents profils testés (non-réponse, refus, demandes d’informations complémentaires ou invitation à un entretien) doivent être en moyenne identiques, à des aléas près. Ces derniers sont pris en compte pour déterminer le nombre minimal de tests à mener afin d’aboutir à des résultats statistiquement robustes. Si des écarts statistiquement significatifs sont observés et sous réserve que le protocole expérimental ait été bien réalisé, le testing permet alors de conclure directement à l’existence de pratiques discriminatoires sur le champ des offres testées. Dans ce cas, l’analyse, si le test est bien réalisé, est réellement « toutes choses égales par ailleurs » puisque la seule différence entre les candidatures est le critère discriminatoire. En testant plusieurs critères de discrimination potentielle, il est aussi possible d’évaluer l’ampleur relative des discriminations associées à chacun de ces différents critères.

En France, Amadieu (2004) a proposé l’un des premiers testings « statistiques » visant six facteurs de discrimination potentielle : le genre, l’origine ethnique présumée sur la base des patronymes, le lieu de résidence (Le Val-Fourré à Mantes la Jolie ou non), le fait d’avoir un visage beau ou disgracieux [17], l’âge et le handicap (via une mention « cotorep »). Sept candidatures fictives avec photographie ont été adressées à 258 offres d’emploi de chargés de clientèle, commerciaux ou technico-commerciaux de niveau BTS en Île-de-France. À l’issue de ce test, le candidat de référence a reçu 85 réponses dont 75 « positives » (proposition d’entretien) ; celui résidant au Val-Fourré en a reçu 59 dont 45 positives et le candidat d’apparence disgracieuse 50 réponses dont 33 positives. De son côté, le candidat d’origine africaine n’a reçu que 34 réponses dont 14 positives et le candidat identifié comme handicapé 23 réponses dont 5 positives.

Les testings se sont ensuite multipliés en France sous l’impulsion de deux acteurs principaux, l’association ISM Corum [18] et une équipe de recherche autour de L’Horty, aujourd’hui regroupée au sein de la fédération de recherche « TEPP » (Travail, emploi et politiques publiques). Ces testings confirment de façon récurrente l’existence de discriminations liées aux origines présumées. Ene Jones (2012) montre par exemple qu’un candidat à un poste de technicien en maintenance informatique ayant un patronyme maghrébin reçoit 40 % de réponses positives en moins que le candidat ayant un patronyme « français » lorsqu’il a un diplôme équivalent, un bac professionnel [19], et 20 % de réponses positives en moins lorsqu’il est plus diplômé, avec un BTS. De leur côté, Petit et alii (2011) montrent que pour accéder à un rendez-vous après une réponse à une offre d’emploi de serveur dans la restauration en Île-de-France, un jeune d’origine présumée maghrébine (sur la base de sa nationalité, son nom ou son prénom [20]) doit envoyer quatre fois plus de candidatures qu’un jeune supposé d’origine non immigrée. Ils montrent aussi que ce dernier peut être pénalisé s’il réside dans une commune n’ayant pas bonne réputation. Pour le secteur public, à partir de l’envoi de courriels, Bonato et alii (2015) concluent à l’absence de discrimination dans l’accès à l’information pour le recrutement d’adjoint de sécurité dans la police nationale.

À la différence des travaux sur les inégalités, la statistique publique est peu présente sur les testings. Elle n’a pas cherché à développer ses compétences sur le sujet, ni à contribuer à la mise en place de méthodologies normées. Le service statistique ministériel du travail a cependant appuyé deux testings importants par leur ampleur et leur protocole, réalisés tous deux par ISM Corum. Le premier a été effectué en 2006 dans le cadre d’un programme lancé par le BIT selon sa méthodologie mise en place en 1991, mise en œuvre ensuite dans différents pays à partir de 1993 pour étudier les discriminations potentielles subies par les travailleurs migrants (Cediey, Foroni, 2007). 2 440 tests ont été réalisés sur des offres d’emploi non qualifié ou peu qualifié dans six agglomérations françaises [21], dont seulement 1 100 ont été jugés exploitables [22]. À la différence de la plupart des testings effectués sur le processus de recrutement, la méthodologie du BIT demande de poursuivre le test au-delà de la réponse au premier courrier pour aller jusqu’à la réalisation de l’entretien, ce qui implique un jeu d’acteurs de personnes réelles, comédiens ou étudiants. L’expérience conclut à l’existence d’une forte discrimination au détriment des candidats d’origine apparente africaine, avec des différences entre ceux d’origine présumée maghrébine et ceux d’origine présumée subsaharienne. Les écarts de traitement sont aussi plus accentués pour les hommes. En revanche, il n’y a pas de différences notables entre les secteurs testés. L’existence de discriminations s’observe pour les deux phases de recrutement mais de façon beaucoup plus marquée dans la phase de premier contact que dans la phase de l’entretien.

En 2016, une seconde opération a été réalisée avec l’appui du ministère du Travail, en se limitant à la phase de premier contact mais en cherchant à voir cette fois s’il existait des écarts significatifs entre entreprises, de tels écarts étant susceptibles de refléter l’existence de politiques et de pratiques RH plus ou moins pertinentes pour réduire les risques discriminatoires (Foroni et al., 2016). 43 entreprises de plus de 1 000 salariés relevant de neuf secteurs d’activité ont donc été retenues. Il fallait notamment qu’elles génèrent un flux suffisant d’offres d’emploi pour que chacune puisse être testée sur 30 à 40 offres d’emploi entre avril et juillet 2016. En moyenne, les candidats ayant un nom ou un prénom à consonance maghrébine ont eu une probabilité de réponse positive un quart plus faible que le profil de référence [23]. Cette différence de traitement existe tant sur les postes de niveau « employé » que sur les postes de niveau « manager », même si elle est plus faible pour ces derniers. Dans la majorité des entreprises testées, il n’y a pas d’écart de traitement significatif mais ce constat doit être nuancé par le nombre réduit de candidatures adressées à chaque entreprise car pour un écart observé donné, il est d’autant plus difficile de conclure à sa significativité que le nombre de tests est faible. Dit autrement, l’écart moyen observé sur l’ensemble des entreprises est statistiquement plus significatif que le même écart observé au niveau de l’entreprise. Cela étant, ce testing met en évidence la diversité des situations puisque dans les 12 entreprises jugées statistiquement discriminantes, la réduction de probabilité de réponses positives en défaveur du candidat d’origine présumée maghrébine va de -35 % [24] à -47 % [25].

À la différence du testing juridique, le testing statistique est sollicité par certaines entreprises souhaitant éprouver leur processus de recrutement. À la demande du groupe Casino, ISM Corum a ainsi réalisé deux testings successifs à trois ans d’intervalle, en 2008 et 2011. Des offres d’emploi de niveau « employé » émises par les établissements du groupe ont été testées, ainsi que des offres d’emploi de cadres, gérées plus centralement. Le périmètre et la méthodologie retenus dans les deux testings étaient identiques pour pouvoir étudier les évolutions. L’écart significatif au détriment des candidatures suggérant une origine « extra-européenne » demeure mais diminue légèrement entre les deux vagues.

III.2. Les limites du testing

Si le testing permet de constater de manière probante l’existence de tendances discriminatoires, il ne permet pas pour autant d’apporter de réponse totalement satisfaisante à ceux qui souhaiteraient pouvoir mesurer les discriminations, principalement parce que le testing s’appuie sur des situations fictives, localisées et particulières.

Les situations sont fictives puisque, pour rester sur l’exemple le plus fréquent du recrutement, les candidatures adressées en réponse aux offres d’emploi sont fictives. Leur structure équilibrée, destinée à mettre en avant l’effet des facteurs potentiellement discriminatoires, ne reflète pas les effets de structure du monde réel. Dans celui-ci, les candidatures féminines ou de personnes d’origine immigrée se concentrent davantage sur certains métiers ou certains territoires que sur d’autres. Certaines tendances discriminatoires peuvent aussi ne pas avoir l’occasion de se manifester, faute de candidatures réellement diversifiées. De ce point de vue, le testing mesure davantage une prédisposition discriminatoire qu’une discrimination effective.

Du fait du plan d’expérimentation, cette mesure est localisée, sur des métiers ciblés, des profils de candidats particuliers, des lieux particuliers. Elle ne conduit pas à des résultats en population générale à la différence des mesures des inégalités conduites sur la base de données administratives exhaustives ou d’enquêtes représentatives. Seule sa répétition dans des contextes différents permet d’aboutir à des conclusions qui, par leur récurrence, peuvent devenir solides, sans que les mesures elles-mêmes ne soient directement comparables dès lors que l’homogénéité du protocole expérimental n’est pas garantie.

Enfin, les situations expérimentables sont particulières parce que tous les processus de sélection susceptibles d’être des lieux de discrimination ne peuvent pas facilement donner lieu à un testing. Tester le premier contact en matière d’embauche offre un cadre optimal et la mise en place des protocoles de testing y est déjà complexe et coûteuse. Il faut savoir élaborer des CV et des lettres de motivation réalistes mais aussi suffisamment attractifs pour obtenir assez de tests exploitables afin de conclure sur les inégalités de succès [26]. Il faut s’assurer également que les CV testés sur une même offre sont réellement identiques sur les compétences et les expériences des candidats fictifs pour s’assurer qu’ils envoient le même signal au recruteur et ne mesurer que l’effet du facteur discriminatoire dans les écarts observés. Il faut cependant qu’ils soient assez différents pour ne pas attirer l’attention des recruteurs [27]. Pour les mêmes raisons, il ne faut pas que l’envoi de plusieurs candidatures sur une courte période soit susceptible d’être perçu comme un afflux « anormal » par le recruteur [28]. Il faut enfin s’assurer d’un flux d’offres d’emploi suffisant pour pouvoir mener à bien le nombre de tests voulu afin de conclure de façon statistiquement robuste. Ces contraintes conduisent souvent à privilégier des emplois pas ou peu qualifiés sur des métiers en tension parce que l’exercice y plus facile. La complexité augmente pour la deuxième phase du recrutement, de ce fait rarement testé, puisqu’il faut s’assurer que les candidats fictifs sont aussi proches que possible en termes d’apparence physique (taille, attrait, corpulence), de tenue vestimentaire mais aussi d’expression corporelle et verbale. Il faut également que les candidats acteurs soient en mesure de répondre de façon crédible aux questions, ce qui peut mettre hors champ les offres nécessitant des compétences très spécifiques ou une grande expérience professionnelle. Enfin, une fois dans l’entreprise, les discriminations peuvent toujours survenir, par exemple dans les promotions mais cette fois, le testing n’est plus possible.

Conclusion

En guise de conclusion, la rigueur statistique oblige à renoncer à l’ambition, vaine et illusoire, de mesurer les discriminations mais l’absence de mesure n’oblige pas à renoncer à l’action. Elle doit plutôt être une invitation à la réflexion et aux approches interdisciplinaires qui ne font pas du chiffre la pierre angulaire de la preuve. De ce point de vue, les analyses statistiques des inégalités « toutes choses égales par ailleurs » ont un intérêt. Elles mettent en avant des facteurs d’inégalité structurels qui peuvent être des champs d’intervention, souvent de longue haleine. Elles permettent aussi de soulever des interrogations auxquelles des analyses qualitatives peuvent apporter ensuite des éléments de réponse par des approches de terrain, par l’observation, l’analyse de parcours et les entretiens auprès des acteurs. La question des classifications soulevée par Silvera en donne un exemple. Par ailleurs, les testings pourraient être mobilisés davantage pour servir d’outil d’évaluation des pratiques de recrutement en ciblant, par des analyses de terrain, différentes organisations des processus de sélection, afin d’identifier les méthodes de recrutement les moins discriminantes. Cette utilisation du testing impliquerait au préalable la mise en place de méthodologies normées.

Pour revenir aux écarts de salaire entre les femmes et les hommes, le nouvel article L. 1142-7 du Code du travail dispose que : « l’employeur prend en compte un objectif de suppression des écarts de rémunération entre les femmes et les hommes ». Pour cela, les entreprises d’au moins 50 salariés doivent désormais publier chaque année des « indicateurs relatifs aux écarts de rémunération entre les femmes et les hommes et aux actions mises en œuvre pour les supprimer, selon des modalités et une méthodologie définies par décret [29] ». Celui-ci, publié le 8 janvier 2019 [30], met en place un « index » synthétique calculé à partir de cinq indicateurs pour les entreprises de plus de 250 salariés [31] : l’écart de rémunération moyen entre les femmes et les hommes en tenant compte des effets de tranche d’âge [32] et à « catégorie de postes équivalents [33] », l’écart de taux d’augmentations individuelles de salaire non expliqué par des promotions [34], l’écart de taux de promotions entre les femmes et les hommes, le pourcentage de salariées ayant bénéficié d’une augmentation dans l’année de leur retour de congé de maternité et le nombre de salariés du sexe sous-représenté parmi les dix salariés ayant perçu les plus hautes rémunérations. Basé sur des mesures « frustres » toutes choses égales par ailleurs, cet index ne sera qu’une mesure normative des discriminations à l’image des outils mobilisés par les politiques de promotion de la diversité dans l’emploi mises en œuvre au Canada (Jugnot, 2015). Il risque de s’accompagner d’effets pervers qu’une gouvernance par les nombres peut induire, la recherche et l’atteinte d’un bon index synthétique pouvant conduire à négliger des leviers d’action pertinents et des domaines d’inégalités et de discriminations dès lors qu’ils ne permettent pas de jouer positivement sur cet index, tout en fournissant un outil de communication d’affichage de bonnes pratiques.

Stéphane JUGNOT*

Références bibliographiques

Aeberhardt R., Fougère D., Pouget J., Rathelot R. (2010), « L’emploi et les salaires des enfants d’immigrés », Économie et Statistique, n° 433-434, 6 janvier,   https://www.insee.fr/fr/statistiques/1377367?sommaire=1377376.

Amadieu J.-F. (2004), Enquête « Testing » sur CV, Adia/Paris I – Observatoire des discriminations, http://www.prejuges-stereotypes.net/espaceDocumentaire/amadieuTesting2004.pdf.

Berger E., Bonnet O., Julia E. et Vuillemin T. (2017), « Salaires dans le secteur privé : en 2015, le salaire net moyen augmente de 1,1 % en euros constants », Insee première, n° 1669, octobre, https://www.insee.fr/fr/statistiques/3135908.

Bonato S., Davezies M., Renévier C., Janin N. (2015), Les discriminations dans l’accès à l’emploi public : cas de la police nationale et du corps des infirmiers d’État, Rapport de groupe d’action publique, mastère spécialisé Politiques et actions publiques pour le développement durable, École des Ponts ParisTech, cité dans L’Horty Y. (2016), Les discriminations dans l’accès à l’emploi public, Rapport au Premier ministre, juin 2016.

Cediey E., Foroni F. (2007), Les discriminations à raison de  « l’origine » dans les embauches en France : une enquête nationale par tests de discrimination selon la méthode du Bureau international du travail, http://www.ismcorum.org/stock_images/actus/361/embauche-bit-ism-corum.pdf.

Chamkhi A. (2015), « Les écarts de salaires entre femmes et hommes par zones d’emploi », Dares Analyses, n° 20, mars, https://dares.travail-emploi.gouv.fr/IMG/pdf/2015-020.pdf.

Chamkhi A., Toutlemonde F. (2015), « Ségrégation professionnelle et écarts de salaires femmes-hommes », Dares Analyses, n° 082, novembre, https://dares.travail-emploi.gouv.fr/IMG/pdf/2015-082.pdf.

Chappe V.-A. (2011), « La preuve par la comparaison : méthode des panels et droit de la non-discrimination », Sociologies pratiques, vol. 23, n° 2, p. 45-55, https://doi.org/10.3917/sopr.023.0045.

Cnis (2017), « Compte-rendu de la rencontre du 22 juin 2017 : comment mesurer les discriminations dans le domaine de l’emploi ? », n° 92/H030,
8 septembre, http://bit.ly/30CTQKy.

Coudin E., Maillard S., Tô M. (2017), « Écarts salariaux entre les entreprises et au sein de l’entreprise : femmes et hommes payés à la même enseigne ? », in Insee Références. Emploi, chômage, revenus du travail – Édition 2017, p. 35-46, https://www.insee.fr/fr/statistiques/2891684?sommaire=2891780.

Duvivier C., Lafranchi J., Narcy M. (2016), « Les sources de l’écart de rémunération entre femmes et hommes dans la fonction publique », Économie et
Statistique, n° 488-489, p. 123-150, https://www.insee.fr/fr/statistiques/2123152?sommaire=2123156.

Ene Jones E. (2012), « Discrimination à l’embauche des jeunes en Île-de-France : un diplôme plus élevé compense-t-il une origine maghrébine ? », Rapport de recherche TEPP, n° 2012-05, p. 173-188, https://halshs.archives-
ouvertes.fr/halshs-00736660/document.

Foroni F., Ruault M., Valat E. (2016), « Discrimination à l’embauche selon “l’origine” : que nous apprend le testing auprès de grandes entreprises ? », Dares Analyses, n° 076, décembre, https://dares.travail-emploi.gouv.fr/IMG/pdf/2016-076.pdf.

Fremigacci F., Le Gall R., L’Horty Y., Petit P. (2016), « Le conformisme des recruteurs : une expérience contrôlée », Rapport de recherche TEPP, n° 2016-05, https://halshs.archives-ouvertes.fr/halshs-01374419/document.

Gadrey J., Gadrey N. (2018), « Les inégalités professionnelles entre les femmes et les hommes selon leur niveau de diplôme », La Revue de l’IRES, n° 93, p. 3-24, http://bit.ly/2Qe01jG.

Gueye A. (2018), « Les salaires par secteur et par branche professionnelle en 2015 : des gains de pouvoir d’achat salarial jamais atteints depuis la crise, surtout dans l’industrie », Dares Résultats, n° 35, juillet, https://www.bit.ly/2WM1JKN.

Hatzfeld N. (2016), « Une lutte syndicale exemplaire chez Peugeot-Sochaux (1995-2000) : La remise en cause d’un système discriminatoire », Travail et Emploi, n° 145, p. 173-196, https://www.cairn.info/revue-travail-et-emploi-2016-1-page-173.htm.

Héran F. (2010), Inégalités et discriminations – Pour un usage critique et responsable de l’outil statistique, Rapport du comité pour la mesure de la diversité et l’évaluation des discriminations (COMEDD), février, http://www.la
documentationfrancaise.fr/rapports-publics/104000077/index.shtml.

Jugnot S. (2012), « L’accès à l’emploi à la sortie du système éducatif des descendants d’immigrés », in Insee Références – Immigrés et descendants d’immigrés en France – Édition 2012, p. 61-75, https://www.insee.fr/fr/statistiques/1374017?sommaire=1374025.

Jugnot S. (2015), « Les statistiques “ethniques” outillent des politiques de quotas plutôt que la connaissance des discriminations : l’exemple canadien », La Revue de l’IRES, n° 83, p. 51-84, http://bit.ly/2Eo6y6F.

Leythienne D., Ronkowsky P. (2018), A decomposition of the unadjusted gender
pay gap using Structure of Earnings Survey data, Statistical Working
Papers, Eurostat, May, http://bit.ly/2VBNhVa.

L’Horty Y., Duguet E., Du Parquet L., Petit P., Sari F. (2011), « Les effets du lieu de résidence sur l’accès à l’emploi : une expérience contrôlée sur des jeunes qualifiés en Ile-de-France », Rapport de recherche TEPP, n° 2011-1, mai, https://halshs.archives-ouvertes.fr/halshs-00745017/document.

Mbaye S., Bunel M., L’Horty Y., Petit P., Du Parquet L. (2017), « Discriminations dans l’accès à un moyen de transport individuel : un testing sur le marché des voitures d’occasion », Rapport de recherche TEPP, n° 2017-07, https://halshs.archives-ouvertes.fr/halshs-01878160/document.

Petit P. (2006), « Les écarts de salaires horaires entre hommes et femmes en 2002 : une évaluation possible de la discrimination salariale », Premières
Synthèses, n° 22.1, juin, https://dares.travail-emploi.gouv.fr/IMG/pdf/2006.
06-22.1-2.pdf.

Petit P., Bunel M., Ene Jones E., L’Horty Y. (2013), « Effets de quartier, effet de département : discrimination liée au lieu de résidence et accès à l’emploi », Rapport de recherche TEPP, n° 2013-06, juin, https://halshs.archives-
ouvertes.fr/halshs-00848543/document.

Petit P., Duguet E., L’Horty Y. (2011), « Discrimination résidentielle et origine
ethnique : une étude expérimentale en Île-de-France », Rapport de recherche TEPP, n° 2011-08, https://halshs.archives-ouvertes.fr/halshs-00744913/document.

Silvera R. (2014), Un quart en moins : des femmes se battent pour en finir avec les inégalités de salaires, Paris, La Découverte.

*Chercheur associé à l’Ires.

[1].   Voir par exemple l’intervention de Muriel Pénicaud, ministre du Travail, devant la commission des affaires sociales de l’Assemblée nationale le 23 mai 2018 ou son intervention lors de la discussion en première lecture de l’article 61 du projet de loi en séance le 15 juin 2018.

[2].   Article L. 3221-2 du Code du travail (avant 2008, article L. 140-2).

[3].   « La situation du marché du travail au 1er trimestre 2018. Les 5 faits saillants », Les rendez-vous de Grenelle, ministère du Travail, https://travail-emploi.gouv.fr/IMG/pdf/dares_12_pp.pdf.

[4].   La publication ne précise pas la méthode utilisée pour réaliser cette analyse, et notamment pas le degré de précision des différentes variables explicatives utilisées.

[5].   Elle est mesurée par la durée écoulée depuis la date de sortie théorique de formation initiale.

[6].   Cadres, professions intermédiaires, ouvriers, employés.

[7].   « Pour ces deux dernières variables, une exploration fine a été réalisée pour les adapter aux spécificités de chaque famille professionnelle. »

[8].   Le choix de la zone d’emploi pour analyser les niveaux de salaire se justifierait sous l’hypothèse que les tensions locales entre l’offre et la demande de travail ou les rapports de force locaux contribuent à des écarts de rémunération entre territoires. Il devient fragile dès lors que la politique de rémunération n’est pas décidée à cet échelon pour une grande partie des salariés. Retenir la zone d’emploi peut être aussi une façon d’affiner la prise en compte du secteur d’activité et de la catégorie socioprofessionnelle en absorbant les spécificités des entreprises et des emplois locaux dans une variable territoriale unique.  

[9].   Certificat d’études primaires, brevet des collèges ou équivalent, CAP ou BEP, baccalauréat technique ou professionnel, baccalauréat général, niveau bac +1 ou bac +2, niveau bac +3 ou plus.

[10]. « Being a residual, it is not recommended to interpret the unexplained GPG as a measurement of a possible discrimination through “unequal pay for equal work” . »

[11]. Non-diplômés, CAP-BEP, baccalauréat, bac +2 ou plus.

[12]. Le niveau de diplôme atteint est plus détaillé (non-diplômés, CAP-BEP, baccalauréat, bac +2, bac +3, bac +4, bac +5, diplôme d’écoles de commerce et d’ingénieurs, doctorat). Les bacheliers ayant échoué dans le supérieur sont distingués de ceux qui se sont arrêtés immédiatement après le baccalauréat puisque ces derniers s’insèrent mieux à court terme. La spécialité du plus haut diplôme doit aussi être prise en compte (industrielle ou tertiaire pour les CAP, BEP, baccalauréats professionnels ou technologiques, BTS et DUT ; sciences dures ou sciences humaines et sociales pour les licences et les bac +5). Enfin, pour les sortants du secondaire, le fait d’être passé par l’apprentissage est aussi pris en compte.

[13]. Article 225-3-1 du Code pénal : « Les délits prévus par la présente section sont constitués même s’ils sont commis à l’encontre d’une ou plusieurs personnes ayant sollicité l’un des biens, actes, services ou contrats mentionnés à l’article 225-2 dans le but de démontrer l’existence du comportement discriminatoire, dès lors que la preuve de ce comportement est établie. »

[14]. Par comparaison des trajectoires, cette méthode permet aussi d’évaluer l’impact salarial de la discrimination. D’abord mise en œuvre sur des cas de discriminations syndicales, elle a ensuite aussi été mobilisée parfois pour mettre en évidence une discrimination selon
le sexe.

[15]. Pour cette raison, dans l’affaire Peugeot, seul un nombre limité de cas avait été soumis à la justice pour se centrer sur ceux pour lesquels l’hypothèse discriminatoire était clairement probante au vue de l’appréciation des autres salariés, des efforts de formation, de l’implication dans le travail, etc.

[16]. Cediey et Foroni (2007) proposent une présentation de la méthode du BIT et de son origine.

[17]. La liste des motifs retenus dans la loi, évolutive, ne peut suffire à définir les critères de discrimination possibles pour un chercheur s’intéressant aux discriminations.

[18]. Créée en 1978, Inter Services Migrants propose essentiellement des services d’interprétation, de traduction et de médiation au service des migrants, à destination de ceux-ci et des collectivités territoriales et administrations publiques, avec un accent mis sur la communication interculturelle, la lutte contre les préjugés, les stéréotypes et les discriminations. En 1992, elle crée un département d’études et de conseils : le centre d’observation et de recherche sur l’urbain et ses mutations (Corum).

[19]. 21 au lieu de 35, à rapporter à environ 150 offres testées.

[20]. Ces différentes dimensions sont testées.

[21]. Paris, Lyon, Marseille, Lille, Nantes, Strasbourg.

[22]. Voir note suivante.

[23]. 36 % de réponses positives pour le candidat d’origine présumée maghrébine au lieu de 47 % pour le candidat de référence.

[24]. 28 % de réponses positives contre 43 %.

[25]. 40 % de réponses positives contre 75 %.

[26]. Les auteurs divergent sur la prise en compte dans les calculs des tests où l’ensemble des candidatures sont rejetées. Pour certains, c’est un cas d’égalité de traitement. Pour d’autres, notamment dans le cas de la méthodologie du BIT, c’est un cas non exploitable parce que ce rejet peut résulter de l’usage de CV inadaptés à l’offre ou d’une offre déjà pourvue par un tiers, ce qui ne permet pas de conclure sur le comportement du recruteur vis-à-vis du facteur discriminatoire testé. Dans tous les cas, plus le nombre de tests où l’ensemble des CV sont rejetés est important, plus il est difficile de conclure sur les écarts de probabilités de succès.

[27]. Amadieu (2004) indique par exemple que deux employeurs de province avaient noté la ressemblance entre deux CV qu’ils avaient reçus dans le cadre de son testing.

[28]. Ce point est un facteur à prendre notamment en compte lorsque le désir de tester simultanément plusieurs facteurs conduit à multiplier les CV fictifs envoyés à un même recruteur.

[29]. Nouvel article L. 1142-8 du Code du travail.

[30]. Décret n° 2019-15 du 8 janvier 2019 portant application des dispositions visant à supprimer les écarts de rémunération entre les femmes et les hommes dans l’entreprise et relatives à la lutte contre les violences sexuelles et les agissements sexistes au travail.

[31]. L’index est calculé à partir de quatre indicateurs pour les entreprises de 50 à 250 salariés.

[32]. Le décret précise que les tranches d’âge sont les suivantes : moins de 30 ans ; 30 à 39 ans ; 40 à 49 ans et 50 ans et plus.

[33]. Le décret indique que « l’employeur peut répartir les salariés, après consultation du comité social et économique, par niveau ou coefficient hiérarchique, en application de la classification de branche ou d’une autre méthode de cotation des postes. La méthode de cotation des postes est adoptée après avis du comité social et économique. Si l’employeur ne souhaite pas répartir les salariés par niveau ou coefficient hiérarchique ou selon une autre méthode de cotation des postes, ou si ces méthodes de répartition ne permettent pas de calculer l’indicateur, il répartit les salariés entre les quatre catégories socioprofessionnelles suivantes : ouvriers ; employés ; techniciens et agents de maîtrise ; ingénieurs et cadres. »

[34]. Le décret, qui détaille le mode de calcul comme pour les autres indicateurs, dispose que pour ce calcul « les salariés sont répartis en 4 groupes [socioprofessionnels] ».

annexe1

annexe2

En bref...