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

est contraint

17 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.

18 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.

19 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.

20 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 ».

21 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).

22 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.

Tableau 1. La part de l’écart de rémunération des femmes par rapport aux hommes non expliquée par le modèle dans la fonction publique varie selon le modèle retenu

Tableau 1. La part de l’écart de rémunération des femmes par rapport aux hommes non expliquée par le modèle dans la fonction publique varie selon le modèle retenu

En %
* Voir infra, II.2.
Modèle 3 : prise en compte des variables âge, poste en métropole ou non, nombre d’heures mensuelles et type de temps partiel en 5 modalités (temps plein, 90, 80, 60-70, mi-temps ou moins), poste de catégorie A, B ou C.
Modèle 4 : prise en compte des variables du modèle 3 + ministères (pour la fonction publique d’État) ou filières (pour la fonction publique territoriale).
Modèle 5 : prise en compte des variables du modèle 4 + corps d’appartenance de l’agent.
Modèle 6 : prise en compte des variables âge, poste en métropole ou non, nombre d’heures mensuelles et type de temps partiel en 5 modalités (temps plein, 90, 80, 60-70, mi-temps ou moins)
+ grades dans le corps d’appartenance.
Note de lecture : Si l’on utilise l’approche Oaxaca-Blinder pour décomposer l’écart de rémunération des femmes par rapport aux hommes dans la fonction publique d’État, 57 % de cet écart reste inexpliqué lorsque l’on tient compte des variables âge, poste en métropole ou non, nombre d’heures mensuelles et type de temps partiel en 5 modalités (temps plein, 90, 80, 60-70, mi-temps ou moins), poste de catégorie A, B ou C (« modèle 3 »). Si l’on tient aussi compte du ministère d’appartenance (« modèle 4 »), l’écart inexpliqué se réduit à 44 %.

23 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.

Graphique 2. Variation de la part inexpliquée de l’écart de taux d’emploi entre les descendants de natifs et les descendants d’immigrés d’Afrique, selon le modèle retenu

Graphique 2. Variation de la part inexpliquée de l’écart de taux d’emploi entre les descendants de natifs et les descendants d’immigrés d’Afrique, selon le modèle retenu

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

24 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.

25 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).

26 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

27 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.

28 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.

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

34 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.

35 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.

36 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.

37 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.

38 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].

39 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

40 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.

41 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.

42 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.

43 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.