Responsable : 
Luc Bissonnette

Établissement : 
Université Laval

Année de concours : 
2020-2021

Table des matières

  1. Résumé du projet

1. Résumé du projet

Le marché du travail se transforme rapidement, bouleversé par les progrès technologiques rapides et par les changements démographiques. Le chômage n’est plus la préoccupation principale des décideurs publics, laissant sa place aux problèmes de rareté de main-d’œuvre. Les conséquences à moyen et à long terme de cette dynamique inédite de l’emploi méritent d’y consacrer un programme de recherche ambitieux et novateur. Nous proposons d’analyser empiriquement la distribution compétences demandées par les employeurs dans une immense banque de données contenant des offres d’emploi. Cela nous permettra de tester certaines hypothèses économiques concernant la polarisation du marché du travail et les types de compétences en émergence. Une bonne compréhension de ces phénomènes est nécessaire au développement de programmes de formation pertinents à la fois pour les instances publiques et privées. Cette recherche devrait aider les employeurs dans la planification de leur force de travail et doter les autorités publiques d’outils nécessaires à la mise en œuvre de politiques cherchant à minimiser la fracture numérique.

Notre programmation de recherche vise à atteindre deux objectifs complémentaires. Le premier est d’évaluer si les secteurs où l’automatisation est davantage développée se polarisent aussi plus rapidement (voir Autor, Dorn et Hansen, Economic Journal, 2015). Le second objectif vise à identifier les compétences émergentes à l’aide d’un modèle de prix hédoniques supposant que les compétences émergentes rares mènent aussi à une prime salariale. Notre approche adaptera au marché du travail celle proposée par Nowak et Smith (Journal of Applied Econometrics, 2017), dont le modèle de prix hédoniques pour le marché immobilier résidentiel américain est estimé sur la base de descriptifs des maisons faits par les courtiers.

Pour atteindre ces objectifs, nous proposons d’exploiter une base de données contenant des centaines de millions d’offres d’emploi colligées en ligne depuis 2008. Des données similaires ont été utilisées par Modestino, Shoag et Ballance (Labour Economics, 2016). Leurs résultats montrent que les employeurs réduisent leurs exigences lorsque le taux de chômage diminue. Hershbein et Kahn (American Economic Review, 2018) montrent quant à eux l’effet des récessions sur les compétences demandées. Le projet proposé ici mettra l’accent sur les compétences en forte demande et les compétences émergentes. L’accès aux données sera possible grâce à un partenariat avec la firme Gartner qui mettra à notre disposition les données de leur division TalentNeuron, dont une partie importante des activités est basée à Québec. Ce partenariat donnera accès à l’information extraite et normalisée par Gartner ainsi qu’aux outils de recherche internes développés pour extraire l’information pertinente.

L’analyse reposera sur différentes techniques rendues possibles par les progrès en traitement naturel du langage (natural language processing) et par l’apprentis sage automatique (machine learning) afin d’extraire l’information des descriptions pour procéder à l’analyse économétrique des salaires ou des distributions des compétences. Il s’agit donc d’utiliser la technologie ayant propulsé la quatrième révolution industrielle dans notre analyse de cette même révolution, offrant par le fait même une opportunité unique à nos étudiants de se familiariser à l’usage de telles méthodes.