POURQUOI ESTIMER LA PRODUCTIVITÉ MARGINALE DES APPRENTIS ?

1Récemment, on a pu constater un développement substantiel de la littérature théorique consacrée aux incitations des entreprises à investir en capital humain général ou spécifique, et, plus particulièrement, à investir en formation d’apprentis [1]. Les raisons couramment avancées pour justifier ce type d’investissement sont de deux types [2]. La motivation première des employeurs est celle de la réduction du coût du travail non qualifié : les apprentis sont embauchés parce que leur emploi est moins cher que celui des salariés non qualifiés qui accomplissent les mêmes tâches qu’eux. Le fait que, par définition, l’embauche d’apprentis permet aux entreprises d’adapter plus facilement et à moindre coût leur emploi non qualifié, renforce cet argument. En second lieu, les employeurs peuvent souhaiter investir en capital humain qualifié, en particulier lorsqu’ils font face à des pénuries de main-d’œuvre qualifiée. Leur motivation va dépendre de la composition anticipée des qualifications offertes sur le marché du travail, ainsi que des niveaux requis de qualification individuelle et de capital humain spécifique.

2Alors que le second argument concerne des anticipations de profit, le premier est fondé sur la valeur de la production immédiate imputable aux apprentis pendant leur période de formation, et sur sa comparaison avec les coûts directs de leur formation. Bien que d’un point de vue théorique l’analyse du deuxième argument soit plus exigeante, des résultats récents (voir Schwerdt et Bender [2000]) montrent qu’en France le premier type d’argument semble plus pertinent parce que le travail non qualifié y est relativement coûteux [3]. Il en va de même en Allemagne où Bardeleben et al. [1995] ont montré que, pour des entreprises de petite ou moyenne taille, le même argument peut jouer un rôle significatif. Toutefois, nous ne disposons pour l’instant d’aucune évaluation fiable de la productivité ainsi que du coût des apprentis pendant leur formation. Notre article souhaite combler cette lacune. Pour ce faire, nous utilisons deux fichiers. Le premier concerne des données d’entreprises françaises observées en 1992; il provient d’un appariement de l’Enquête sur le coût de la main-d’œuvre et sur la structure des salaires (ECMOSS) et de l’Enquête sur les bénéfices industriels et commerciaux (BIC), toutes deux conduites par l’Insee. Le second fichier est extrait du panel allemand d’entreprises de l’IAB ( Institut für Arbeitsmarkt- und Betriebsforschung ). Il nous permet d’observer, en 1993,4 500 entreprises de tous les secteurs d’activité.

3Les estimations réalisées dans cet article sont celles de fonctions de production de forme Cobb-Douglas et Translog. Le cas où l’entreprise n’a pas recours à l’apprentissage est modélisé à l’aide d’une seconde équation probit, de telle sorte que le modèle économétrique est un modèle de type Tobit. La première section contient une présentation du modèle théorique utilisé, et la seconde est consacrée à son estimation. La troisième section présente les données, la quatrième expose les résultats.

LE MODÈLE THÉORIQUE

4La valeur Y_i de la production d’une entreprise i est supposée résulter d’une relation fonctionnelle entre un ensemble de G facteurs de production observables notés X_gi ( g = 1,..., G), et une hétérogénéité spécifique à l’entreprise et au secteur. Plus précisément, on suppose que la valeur de la production observée est déterminée par la relation :

5Notre but est d’estimer les paramètres de la relation fonctionnelle F ( ? ), puisque c’est elle qui détermine la productivité marginale des facteurs de production, et, en particulier, le nombre d’apprentis embauchés dans l’entreprise. Pour estimer F ( ? ), nous retiendrons deux spécifications emboîtées. La première est une relation de type Cobb-Douglas, la deuxième est une fonction de production Translog [1]. La fonction de production Cobb-Douglas est emboîtée dans la fonction de production Translog. Cette dernière peut être interprétée comme une approximation au deuxième ordre de la vraie fonction de production au voisinage de la moyenne de l’échantillon. La fonction Cobb-Douglas est une approximation au premier ordre. On suppose que les effets spécifiques au secteur sont de la forme :

6Cobb-Douglas est donnée par l’équation :

LE MODÈLE ÉCONOMÉTRIQUE

7Dans certaines entreprises de l’échantillon, on constate que le nombre d’apprentis employés est nul (A_i = 0). Limiter l’estimation au sous-échantillon d’entreprises utilisant effectivement des apprentis conduirait à des estimations biaisées (voir Heckman [1979], pour une approche générale du biais de sélectivité). Il existe en effet de bonnes raisons de croire que l’embauche d’apprentis n’est pas une décision purement aléatoire, mais qu’elle dépend au contraire d’un nombre éventuellement restreint de variables caractérisant les rendements anticipés de ce type de formation. Soit Z_i le vecteur de variables qui affectent les rendements nets d’un investissement en apprentissage pour l’entreprise i, et soit I_i^* la variable (non observable par l’économètre) qui représente le rendement net anticipé de l’apprentissage pour l’entreprise i. Supposons que la relation entre I_i^* et Z_i soit de la forme linéaire :

DONNÉES

8Pour estimer les fonctions de production spécifiées ci-dessus, nous utilisons deux fichiers. Le premier concerne des données d’entreprises françaises observées en 1992; il provient d’un appariement de deux enquêtes réalisées par l’Insee, l’Enquête sur le coût de la main-d’œuvre et sur la structure des salaires (ECMOSS) et l’Enquête sur les bénéfices industriels et commerciaux (BIC). L’échantillon analysé contient près de 10 000 entreprises appartenant à tous les secteurs de l’économie française [1]. Le second fichier est extrait du panel allemand d’entreprises de l’IAB ( Institut für Arbeitsmarkt- und Betriebsforschung ). Il nous permet d’observer 4 500 entreprises de tous les secteurs d’activité en 1993. Cet échantillon est également apparié avec la base de données Historikdatei qui contient la totalité des salariés affiliés à la Sécurité sociale allemande [2].

9Bien que les grandes entreprises allemandes soient plus représentées dans l’échantillon que leurs homologues françaises, les statistiques descriptives autres que la taille des entreprises sont identiques dans les deux pays [3]. Pour garantir la comparabilité des grandeurs monétaires (chiffres d’affaires, salaires et stocks de capital), nous les avons toutes exprimées en marks (DM) de l’année 1992. Dans les deux pays, nous avons restreint la catégorie des travailleurs qualifiés aux professions qui sont ouvertes aux apprentis ; les autres catégories de travailleurs qualifiés sont incluses dans la catégorie E_i. Les travailleurs non qualifiés sont définis comme étant ceux dont la tâche ne requiert aucune qualification particulière. En ce qui concerne les qualifications en Allemagne, nous utilisons la classification introduite par Blossfeld [1989]. Celui-ci distingue cinq niveaux de qualification : les travailleurs agricoles et ouvriers non qualifiés, les travailleurs qualifiés (incluant les ouvriers qualifiés, techniciens et certaines catégories d’ingénieurs), les employés non qualifiés (affectés à des tâches simples), les employés qualifiés et les cadres. Dans notre analyse, nous regroupons, d’une part, les ouvriers et employés non qualifiés et, d’autre part, les ouvriers et employés qualifiés. En France, la classification en travailleurs qualifiés et non qualifiés repose sur la codification PCS.

RÉSULTATS

10Les modèles de la section 2 ont été estimés sur quatre groupes d’entreprises, à savoir les petites et moyennes entreprises (moins de 200 employés) et les grandes entreprises (plus de 200 employés) de chacun des deux pays. Les valeurs estimées des paramètres se trouvent dans les tableaux 1 et 2 (Annexe A). Elles représentent des élasticités de production de la forme ?_YX = d ln Y/ d ln X. La spécification Translog (TL) étant une approximation de Taylor plus détaillée de la relation de production inconnue, on ne comparera ici que les estimations des termes du premier ordre des spécifications TL et Cobb-Douglas (CD).

CONCLUSION

16Cet article était consacré à l’évaluation de la productivité des apprentis en France et en Allemagne. L’analyse économétrique reposait sur l’exploitation statistique originale de deux fichiers, le premier provenant d’un appariement de l’Enquête sur le coût de la main-d’œuvre et sur la Structure des salaires et de l’Enquête sur les bénéfices industriels et commerciaux, le second fichier étant extrait du panel allemand d’entreprises de l’IAB ( Institut für Arbeitsmarkt- und Betriebsforschung ). Les estimations réalisées étaient celles de fonctions de production de forme Cobb-Douglas et Translog, une équation probit supplémentaire permettant de tenir compte du cas où l’entreprise n’a pas recours à l’apprentissage. Du point de vue de la productivité des apprentis, l’analyse économétrique fait apparaître une opposition entre PME et grandes entreprises. Ce contraste est toutefois plus prononcé en Allemagne, où l’argument de la réduction des coûts du travail semble prédominant dans les PME, les grandes entreprises recourant plus souvent à l’apprentissage pour investir en capital humain. En France, les résultats sont similaires : toutefois, les PME y utilisent l’apprentissage à des fins d’investissement en capital humain plus souvent qu’en Allemagne. Ces résultats invitent à reconsidérer la justification et l’efficacité des politiques publiques mises en place dans les deux pays pour inciter les entreprises à embaucher des apprentis. Cette question précise sera examinée dans une recherche ultérieure.