Skip to content

Les offres d'emploi en ligne sont-elles représentatives ?

Rapport de perspectives de l’IMT n° 36

Octobre 2020

Accueil > Perspectives de l’IMT > Rapport de perspectives de l’IMT n° 36, Les offres d’emploi en ligne sont-elles représentatives ?

Table des matières

Principaux constats

  • Les offres d’emploi en ligne fournissent des estimations détaillées et actuelles du nombre et de la répartition des postes vacants, mais il faut faire preuve de prudence lorsqu’on utilise ces données comme indicateur de la demande de main-d’œuvre.
  • D’abord, même si de nombreux employeurs recrutent activement en ligne, les offres d’emploi ne représentent pas précisément les postes vacants en raison de problèmes d’interprétation.
  • Ensuite, il convient de faire preuve de prudence dans la manière dont les données relatives aux offres d’emploi en ligne sont collectées, qui peut fausser le type et la localisation de ces offres par rapport à d’autres sources de données connexes.
  • Lorsqu’on compare les données de Vicinity Jobs à celles de l’Enquête sur les postes vacants et les salaires (EPVS), plusieurs tendances se dégagent :
    • À l’échelle du pays, les offres d’emploi en ligne sont orientées vers les professions libérales et le secteur des services, ce qui entraîne une sous-représentation des métiers et autres professions manuelles.
    • Les professions qui exigent des études universitaires sont surreprésentées dans les offres d’emploi en ligne, tandis que les emplois demandant des études secondaires ou une formation en cours d’emploi sont sous-représentés. De même, à tous les niveaux géographiques, les professions de gestion sont surreprésentées dans les offres d’emploi en ligne.
    • À l’échelle provinciale et régionale, la taille des échantillons des enquêtes officielles sur les offres d’emploi est inférieure à ce qu’on peut tirer des offres d’emploi en ligne.
    • Les offres d’emploi en ligne de Toronto, Vancouver et Montréal sont sous-représentées, alors que celles des autres régions métropolitaines et non métropolitaines sont surreprésentées.
  • Les avantages des offres d’emploi en ligne sont nombreux, et celles-ci peuvent constituer un complément important aux statistiques officielles sur les offres d’emploi, à condition que, comme pour toute source de données, leurs limites soient prises en compte.

Introduction

Les données des offres d’emploi en ligne peuvent compléter les données des enquêtes sur les postes vacants pour nous aider à mieux comprendre la demande de main-d’œuvre non satisfaite. Les offres d’emploi en ligne présentent de nombreux avantages, notamment les suivants :

  • Actualité : les données sont observées en temps réel.
  • Caractère local : les observations sont disponibles pour de petites régions.
  • Granularité : des informations sur les employeurs, le suivi des informations des utilisateurs comme les taux de clics ou les affichages et d’autres informations comme les salaires offerts et les formations et certifications requises sont parfois disponibles.

De plus, les offres d’emploi en ligne contiennent des informations uniques sur les exigences des employeurs qui cherchent à embaucher. La mise en contexte du Tableau de bord des offres d’emploi en ligne au Canada du CIMT présente des précisions sur les avantages et les limites des critères observés dans les offres d’emploi. Toutefois, le présent Rapport de perspectives de l’IMT se concentre sur l’exactitude et la représentativité des affichages de postes en ligne afin d’évaluer la possibilité d’utiliser ces données de la même façon que les données sur les postes vacants mesurent la demande de main-d’œuvre non satisfaite.

Bien que les offres d’emploi en ligne offrent de nombreuses informations uniques, ces données présentent un biais important en faveur de certaines professions, certains secteurs et certaines régions. Ce manque de représentativité empêche l’utilisation de ces données pour estimer les postes vacants (rapport en anglais seulement). Le problème pour les décideurs politiques, les prestataires de services d’emploi, les professionnels en développement de carrière et les autres personnes qui suivent les tendances du marché du travail est que nous n’avons pas une image claire du degré de partialité et de limitation de ces informations. Pour étudier la représentativité des offres d’emploi en ligne, nous nous appuyons sur les données fournies par Vicinity Jobs (voir l’encadré 1). Nous comparons la répartition des offres d’emploi en ligne par profession, province et niveau d’éducation aux mêmes informations que celles observées dans l’Enquête sur les postes vacants et les salaires (EPVS). Bien que l’EPVS comporte elle-même plusieurs limites et mises en garde, notamment l’exclusion des administrations fédérale, provinciales et territoriales, elle constitue néanmoins la source d’informations sur les postes vacants la plus solide et la plus représentative au Canada. Les comparaisons présentées ci-dessous montrent que les données sur les offres d’emploi en ligne sont biaisées en faveur des professions du secteur des services qui exigent souvent des études universitaires.

Encadré 1 : Vicinity Jobs

Vicinity Jobs est une entreprise canadienne basée à Vancouver, spécialisée en analyse de données et en technologies de recherche sur internet. Chaque semaine, des données sont recueillies sur des milliers de sites web en français et en anglais, partout au Canada. On obtient ainsi un total d’environ 200 000 nouvelles offres d’emploi uniques par mois. Grâce à une technique d'apprentissage automatique appelée traitement du langage naturel (TLN), Vicinity Jobs extrait ensuite de chaque offre d’emploi des informations sur la profession, le lieu et les exigences professionnelles (y compris les compétences). Depuis janvier 2018, Vicinity Jobs collecte quotidiennement les offres d’emploi en ligne dans les deux langues officielles, chacune étant identifiée de manière unique le jour où elle est observée pour la première fois. Chaque mois, Vicinity Jobs nettoie et structure ces données, entre autres en supprimant les doublons.

Un peu de contexte

L’adéquation efficace entre les travailleurs et les emplois est la pierre angulaire d’un marché du travail sain, et a un effet direct sur le niveau de vie et le potentiel de croissance économique d’un pays. Afin de faciliter cette adéquation, il est essentiel que toutes les parties prenantes sachent où les possibilités d’emplois se présentent et si les compétences des chercheurs d’emploi correspondent à celles dont ils ont besoin. Pour ce faire, il faut disposer d’information sur le marché du travail actuelle, locale et granulaire. Ce constat revêt une importance particulière alors que des millions de travailleurs sont affectés par la pandémie de COVID-19.

Les possibilités d’emplois sont mesurées en fonction des postes vacants représentant la demande de main-d’œuvre non satisfaite (c’est-à-dire le nombre de travailleurs que les employeurs tentent de recruter). Généralement, on estime cette demande par des enquêtes auprès des employeurs, à l’échelle des entreprises. Au Canada, la principale source de mesure des postes vacants est l’Enquête sur les postes vacants et les salaires (EPVS) (voir l’encadré 2).

L’EPVS fournit des informations fiables par région et par profession, mais comme pour la plupart des enquêtes, la petite taille de l’échantillon limite le caractère local des observations disponibles. Elle exclut également certains grands employeurs, tels que les administrations fédérale, provinciales et territoriales, et comporte un décalage considérable dans le temps. Afin de pallier ces limites, l’utilisation des données sur les offres d’emploi en ligne pour estimer les postes vacants a gagné en popularité ces dernières années. Les données sur les offres d’emploi en ligne, recueillies sur des sites web accessibles au public, sont disponibles en temps quasi réel pour des professions et des lieux détaillés (par exemple, une ville ou un village). Ainsi, cette nouvelle source de données fournit des informations plus actuelles, locales et granulaires que les données d’enquête. En outre, les offres d’emploi en ligne offrent d’importants aspects d’information supplémentaires, comme les compétences, les connaissances, les outils et la technologie, ainsi que d’autres critères professionnels nécessaires pour les chercheurs d'emploi.

Encadré 2 : Enquête sur les postes vacants et les salaires (EPVS)

Statistique Canada collecte les renseignements sur les postes vacants afin d’en estimer les niveaux et les taux dans l’ensemble du Canada, principalement au moyen de l’Enquête sur les postes vacants et les salaires (EPVS). Cette enquête a été lancée en février 2015 afin de produire des estimations plus localisées et statistiquement représentatives des postes vacants par codes détaillés (à quatre chiffres) de la Classification nationale des professions (CNP) et par région économique.

Le cadre d’échantillonnage de l’EPVS utilise le Registre des entreprises (RE), un répertoire central de données sur environ 900 000 entreprises et institutions au Canada, pour générer un échantillon d’approximativement 100 000 entreprises à interroger chaque trimestre. Ces entreprises sont ensuite divisées en trois groupes, chaque groupe est interrogé pendant l’un des trois mois du trimestre. Étant donné qu’un même poste vacant peut chevaucher plusieurs trimestres, la moyenne annuelle des postes vacants peut être calculée à partir de la moyenne des estimations trimestrielles sur une année.

La population cible comprend tous les emplacements des entreprises qui exercent leurs activités au Canada et qui comptent un employé ou plus. Les secteurs industriels exclus sont les organisations religieuses, les ménages privés ainsi que les organismes publics internationaux et autres organismes publics extraterritoriaux. Également, les administrations fédérale, provinciales et territoriales sont exclues.

Les données de l’Enquête sur les postes vacants sont disponibles chaque trimestre, deux à trois mois après la période de référence (sauf pour le quatrième trimestre de 2019, retardé en raison de la pandémie de COVID-19). Par exemple, pour les données du premier trimestre de 2018 collectées en janvier, février et mars, les résultats ont été publiés en juin 2018.

Il y a un « mais »

Aussi prometteuses que soient les données recueillies à partir des offres d’emploi en ligne, il convient toutefois de tenir compte d’importantes limites lors de l’utilisation ou de l’interprétation de ces données.

Les offres d’emploi en ligne et les postes vacants sont deux concepts distincts (voir l’encadré 3). D’abord, tous les postes vacants ne sont pas publiés en ligne et chaque offre d’emploi (en ligne et hors ligne) peut comporter un ou plusieurs postes vacants. Ensuite, comme nous le montrons ci-dessous, les offres d’emploi publiées en ligne surreprésentent certaines professions (comme celles des soins de santé et de l’informatique) et en sous-représentent d’autres (comme celles de la construction et de l’agriculture). Enfin, le dénombrement des offres d’emploi peut entraîner une surestimation des postes vacants. Par exemple, un employeur peut maintenir une offre d’emploi qu’il ne cherche pas à pourvoir actuellement (auquel cas l’offre ne représente pas techniquement un poste vacant tel que défini dans l’EPVS). À l’inverse, le dénombrement des offres d’emploi peut mener à une sous-estimation des postes vacants si, par exemple, un employeur a l’intention de pourvoir plusieurs postes grâce à une seule annonce en ligne.

D’une manière générale, les informations sur les offres d’emploi en ligne se heurtent à des limites et des biais. La suite de ce rapport examine la représentativité des données sur les offres d’emploi en ligne en utilisant les données sur les postes vacants de l’EPVS comme comparaison de base. Cependant, l’EPVS n’est pas sans défauts. Étant donné que l’EPVS fait état des postes vacants existants et anticipés, il se peut qu’après l’enquête, une entreprise change et qu’un poste vacant ne se concrétise ainsi jamais. Aussi, la production trimestrielle de rapports et le délai normal de trois mois avant la publication des données signifient que les informations de l’EPVS sont dépassées de jusqu’à six mois et ne peuvent donc pas être utilisées pour éclairer les décisions politiques en temps réel. En tant qu’enquête, l’EPVS est sujette à des erreurs d’échantillonnage et autres, telles que la non-réponse, l’interprétation incorrecte des questions, ainsi que des erreurs de couverture et de classification. Enfin, l’EPVS ne sonde pas les administrations fédérale, provinciales et territoriales, qui représentent environ 5 % de l’emploi au Canada et comprennent généralement un nombre considérable de professions de gestion.

Encadré 3 : Que mesure-t-on?

Un poste vacant désigne de manière générale un poste non pourvu au sein d’une organisation, pour lequel l’employeur cherche à embaucher.

Dans l’EPVS, trois critères doivent être remplis pour qu’un poste soit considéré comme vacant : 1) le poste est vacant le premier jour du mois ou le deviendra au cours du mois de l’enquête; 2) il y a des tâches à accomplir durant le mois pour le poste en question; et 3) l’employeur cherche activement à recruter à l’extérieur à l’organisation afin de pourvoir le poste.

Les offres d’emploi en ligne, en revanche, ne sont pas régies par de tels critères. Par exemple, rien n’empêche les employeurs de publier des postes pour lesquels ils ne cherchent pas activement à recruter ou pour lesquels ils prévoient embaucher plusieurs mois plus tard.

Défrichons le terrain

Pour quantifier la représentativité des données sur les offres d’emploi en ligne au Canada, nous comparons les données fournies par Vicinity Jobs à celles de l’EPVS, que nous considérons comme la véritable répartition des postes vacants dans tout le pays (voir l’encadré 3). Les données sur les offres d’emploi en ligne sont datées du jour où elles ont été trouvées (et ne sont incluses dans les données que lorsqu’elles sont observées pour la première fois), de sorte que nous agrégeons d’abord les enregistrements individuels à des périodes trimestrielles regroupées par zone géographique, par profession et par d’autres caractéristiques disponibles dans les données.

Au cours de la période comprise entre le premier trimestre de 2018 et le troisième trimestre de 20191, l’EPVS a enregistré un total de 3 757 310 postes vacants contre 4 754 555 offres d’emploi en ligne, soit une différence de 21 %. Si l’on compare les données par trimestre, la surestimation du nombre d’offres d’emploi en ligne par rapport à l’estimation du nombre total de postes vacants par l’EPVS varie entre 28 % et 11 % (voir la figure 1). En moyenne, le nombre de postes vacants figurant dans l’EPVS par trimestre est de 536 758, tandis que le nombre d’offres d’emploi en ligne est de 679 222.

Bien que la différence entre le nombre de postes vacants et le nombre d’offres d’emploi varie dans le temps, le nombre d’offres d’emploi en ligne est toujours plus élevé que le nombre de postes vacants estimé dans l’EPVS. L’une des principales raisons de cette surestimation persistante est que l’EPVS ne sonde pas les employeurs de la fonction publique, et nous estimons que les offres d’emploi en ligne dans le secteur de la fonction publique représentent environ 2 % du total2. Une autre raison est que ce qui est mesuré comme une « possibilité d’emploi » est différent entre les données sur les offres d’emploi en ligne et l’EPVS. Par exemple, étant donné que l’EPVS ne porte que sur les postes vacants actuels ou futurs, il est possible qu’après la réalisation de l’enquête, les besoins des entreprises changent et que les postes vacants réels (et les offres d’emploi en ligne) soient plus (ou moins) nombreux que prévu (et déclaré). En outre, dans l’EPVS, le poste doit être à pourvoir durant le mois en cours, mais une offre peut être affichée en ligne de manière préventive pour éviter qu’un poste ne devienne vacant ou pour que les employeurs puissent stocker des candidatures au cas où des débouchés se présenteraient à l’avenir.

Une autre raison expliquant le nombre plus élevé d’offres d'emploi en ligne est la duplication des offres sur différents sites web. Comme d’autres entreprises de collecte de données en ligne, Vicinity Jobs a mis au point une série de protocoles et d’algorithmes pour dédupliquer les données des offres d’emploi, mais aucun algorithme de nettoyage de données n’est parfait. Vicinity Jobs estime que 95 % des doublons sont correctement éliminés, ce qui signifie qu’environ 5 % des observations sont comptées deux fois.

Les totaux ne fournissent qu’un cadre de travail général pour comprendre les différences entre les deux sources de données. Le plus important est de savoir dans quelle mesure ces sources sont représentatives des principales dimensions telles que les professions, les zones géographiques et les niveaux de scolarité. Étant donné la différence constante entre le décompte total des offres d’emploi en ligne et des postes vacants, nous nous concentrons sur les parts des deux mesures par rapport au total pour la région ou la catégorie professionnelle concernée. Cette approche permet de mieux comprendre la représentativité des données sur les offres d'emploi en ligne.

Creusons : comparaison de la répartition entre les groupes de professions

En comparant la répartition des postes vacants de l’EPVS et des offres d’emploi en ligne, nous calculons les parts aux niveaux à 1, 2 et 4 chiffres de la CNP dans l’ensemble du pays et par province. Nous testons aussi la signification statistique de la différence de ces distributions pour tirer des conclusions sur la représentativité des offres d’emploi en ligne (voir l’annexe A)3. Dans cette analyse, nous nous concentrons sur la période du premier trimestre de 2018 au troisième trimestre de 2019, la dernière période pour laquelle les données de l’EPVS sont disponibles.

On considère qu’une observation est correctement représentée en ligne si la part des offres d’emploi en ligne se situe dans l’intervalle de confiance de 95 % pour la part correspondante des offres d’emploi dans l’EPVS. Si la part ne se situe pas dans cet intervalle, elle est alors considérée comme sur- ou sous-représentée (selon que la part des offres d’emploi en ligne est supérieure ou inférieure à la part des offres d’emploi correspondantes). La figure 2 montre les parts d’offres d’emploi en ligne qui sont surreprésentées (au-dessus de la diagonale), sous-représentées (sous la diagonale) et représentées avec précision (la barre d’erreur traverse la diagonale) pour l’ensemble du Canada. Les professions du niveau à un chiffre de la CNP sont codées par couleur. Les visualisations de données qui ne sont pas présentées dans le texte se trouvent à l’annexe B.

Figure 2 : Au niveau à 1 chiffre de la CNP, 49 % des observations sont surreprésentées en ligne, 43 % sont sous-représentées et 9 % ne sont pas statistiquement différentes entre les données des offres d’emploi en ligne et celles de l’EPVS.

Distribution des offres d’emploi en ligne et des postes vacants de l’EPVS, à l’échelle du Canada, sur une base trimestrielle.

fig2_fr

Au niveau à un chiffre de la CNP, 49 % des professions sont surreprésentées en ligne, 43 % sont sous-représentées et 9 % sont représentées avec exactitude (voir la figure 1). Le tableau 4 (voir l’annexe C) résume la visualisation ci-dessus et fournit de plus amples informations sur la mesure dans laquelle les offres d’emploi en ligne sous-représentent ou surreprésentent les postes vacants par profession. À l’échelle pancanadienne et au niveau à un chiffre de la CNP, les professions surreprésentées comprennent 1) la gestion (CNP 0); 2) les affaires, la finance et l’administration (CNP 1); 3) la santé (CNP 3) et 4) l’enseignement, le droit et les services sociaux, communautaires et gouvernementaux (CNP 4). Inversement, les professions sous-représentées en ligne comprennent 1) la vente et les services (CNP 6); 2) les métiers, le transport et la machinerie (CNP 7); 3) les ressources naturelles, l’agriculture et la production connexe (CNP 8) et 4) la fabrication et les services d’utilité publique (CNP 9).

Ces résultats montrent qu’au niveau à un chiffre de la CNP, les répartitions des offres d’emploi en ligne et des postes vacants par profession ne sont pas proportionnelles. À ce niveau, presque toutes les professions sont nettement sur- ou sous-représentées. La seule exception est la grande catégorie professionnelle 5 (art, culture, sports et loisirs) pour laquelle 71 % des observations sont représentées avec exactitude par les offres d’emploi en ligne.

La proportion des professions représentées avec exactitude augmente sensiblement lorsqu’on analyse les groupes de base, c’est-à-dire le niveau à 4 chiffres de la CNP (voir le tableau 1). La part des professions sur- et sous-représentées diminue significativement pour les groupes professionnels 0 à 4 et 6 à 9. Plus précisément, au niveau à 4 chiffres, la plupart des proportions par trimestre des sciences naturelles et appliquées et des professions apparentées (CNP 2) et des métiers, transports et machinerie (CNP 7) ne sont pas statistiquement différentes (alors qu’au niveau à 1 chiffre de la CNP, elles étaient respectivement surreprésentées à 100 % et sous-représentées à 100 %).

Tableau 1 : Dans tout le Canada, les offres d’emploi en ligne sont souvent représentatives au niveau professionnel détaillé

Proportion pancanadienne des groupes de base (codes CNP à 4 chiffres) des offres d’emploi en ligne qui se situent au-dessus, au-dessous ou à l’intérieur de l’intervalle de confiance de 95 % des répartitions de l’EPSV, par trimestre. 4

Grande catégorie professionnelle % sans différence significative % significativement sous-représenté en ligne % significativement surreprésenté en ligne
Niveau à 4 chiffres de la CNP Niveau à 4 chiffres de la CNP Niveau à 4 chiffres de la CNP
0 – Gestion 31 % 26 % 43 %
1 – Affaires, finance et administration 34 % 11 % 55 %
2 – Sciences naturelles et appliquées et domaines apparentés 51 % 21 % 28 %
3 – Secteur de la santé 31 % 14 % 55 %
4 – Enseignement, droit et services sociaux, communautaires et gouvernementaux 34 % 33 % 33 %
5 – Arts, culture, sports et loisirs 51 % 10 % 39 %
6 – Vente et services 30 % 37 % 33 %
7 – Métiers, transport, machinerie et domaines apparentés 53 % 33 % 14 %
8 – Ressources naturelles, agriculture et production connexe 36 % 57 % 7 %
9 – Fabrication et services d’utilité publique 40 % 44 % 16 %

Figure 3 : Au niveau à 1 chiffre de la CNP et à l’échelle provinciale, 36 % des observations sont surreprésentées en ligne, 29 % sont sous-représentées et 35 % ne présentent pas de différences significatives entre les données sur les offres d’emploi en ligne et celles de l’EPVS.

Distribution des offres d’emploi en ligne et des postes vacants de l’EPVS, par province, sur une base trimestrielle.

fig3_fr

Si l’on pousse plus loin l’analyse de la distribution des professions dans chaque province, on constate que les données sur les offres d’emploi en ligne représentent avec exactitude 35 % des observations au niveau à 1 chiffre de la CNP. À 14 %, la part des observations représentatives est environ deux fois moins élevée dans les quatre plus grandes provinces (Ontario, Colombie-Britannique, Alberta et Québec), ce qui s’explique par la taille relativement plus importante de l’échantillon de l’EPVS dans ces provinces.

De plus, au niveau provincial, pour les professions dans 1) les arts, la culture, les sports et les loisirs (CNP 5) et 2) la vente et les services (CNP 6), plus de la moitié des proportions au niveau professionnel à 1 chiffre sont représentées avec exactitude en ligne (voir le tableau 5 de l’annexe C). Au niveau d’analyse à 4 chiffres, 77 % des professions sont fidèlement représentées en ligne (voir la figure 8 de l’annexe B). À ce niveau, pour toutes les grandes catégories professionnelles, la plupart des professions sont adéquatement représentées en ligne (voir le tableau 2). Ce résultat quelque peu contre-intuitif – les données sur les offres d’emploi semblent plus exactes pour les provinces que pour l’ensemble du pays et pour le niveau à 4 chiffres de la CNP que pour les niveaux à 1 et 2 chiffres – s’explique par des erreurs d’échantillonnage qui croissent avec le niveau de détail d’analyse. Au niveau provincial ou local, le nombre d’observations utilisées pour estimer le nombre de postes vacants est réduit, ce qui diminue la certitude de l’estimation. Au niveau provincial à 4 chiffres de la CNP, les intervalles de confiance à 95 % augmentent à tel point que les observations relatives aux offres d’emploi en ligne se situent nettement à l’intérieur de la marge d'erreur de l’EPVS.

Tableau 2 : Au sein des provinces et territoires, la répartition des offres d’emploi en ligne ne diffère pas significativement des estimations de l’EPVS

Proportion provinciale et territoriale des groupes de base (codes CNP à 4 chiffres) des offres d’emploi en ligne qui se situent au-dessus, au-dessous ou à l’intérieur de l’intervalle de confiance de 95 % des répartitions de l’EPSV par trimestre.5

Broad occupational categories  % not significantly different % significantly underrepresented online % significantly overrepresented online
  NOC 4 level NOC 4 level NOC 4 level
0 – Management occupations 70% 8% 22%
1 – Business, finance and administration occupations 71% 5% 24%
2 – Natural and applied sciences and related occupations 78% 7% 15%
3 – Health occupations 75% 6% 19%
4 – Occupations in education, law and social, community and government services 75% 11% 14%
5 – Occupations in art, culture, recreation and sport 86% 3% 11%
6 – Sales and service occupations 71% 14% 15%
7 – Trades, transport and equipment operators and related occupations 83% 9% 8%
8 – Natural resources, agriculture and related production occupations 81% 17% 2%
9 – Occupations in manufacturing and utilities 82% 13% 5%

Un regard approfondi sur la scolarité et la géographie

La répartition des offres d’emploi en ligne et des postes vacants par groupe professionnel semble montrer une tendance constante selon laquelle les professions de gestion et les professions libérales sont surreprésentées en ligne, tandis que les travaux manuels et les métiers sont sous-représentés. Ces résultats concordent avec une étude antérieure réalisée aux États-Unis (en anglais seulement), qui montre que 80 % à 90 % des offres d’emploi exigeant un diplôme universitaire sont publiées en ligne, 30 % à 40 % pour les diplômes collégiaux ou professionnels et 40 % à 60 % pour les diplômes d’études secondaires.

Dans cette section, nous explorons cette dimension spécifique à la scolarité dans les offres d’emploi en ligne. Bien que nous n’ayons pas accès à des données permettant d’obtenir des chiffres directement comparables, nous pouvons comparer la part des offres d’emploi en ligne et les estimations des postes vacants de l’EPVS par niveau de scolarité généralement requis.

Au Canada, le niveau de scolarité généralement requis pour exercer une profession est identifié par les deux premiers chiffres du code CNP et se nomme « niveau de compétence » (voir le tableau 3). Grâce à ce système de classification, nous attribuons un niveau de scolarité à chaque offre d’emploi en ligne liée à une profession détaillée. Les postes de gestion ne sont pas officiellement liées à l’éducation universitaire dans ce système de la CNP, mais sont souvent incluses dans le niveau de compétence A. Nous faisons ici la distinction entre les professions de gestion des autres professions incluses dans le niveau de compétence A.

Au Canada, les postes de gestion et les professions exigeant un diplôme universitaire ou une formation collégiale (c’est-à-dire les niveaux de compétence 0, A et B) sont surreprésentés dans les offres d’emploi en ligne par rapport à l’EPVS. À l’inverse, les emplois qui exigent un diplôme d’études secondaires ou une formation en cours d’emploi (c’est-à-dire les niveaux de compétence C et D), eux, sont sous-représentés (voir la figure 4). Plus précisément, 10 % des offres d’emploi en ligne relèvent de la gestion, contre 5 % dans les postes vacants de l’EPVS, 17 % exigent des études universitaires (13 % dans l’EPVS), 30 % exigent des études collégiales, une formation spécialisée ou une formation d’apprenti (28 % dans l’EPVS), 32 % exigent des études secondaires ou une formation professionnelle (34 % dans l’EPVS) et 11 % exigent une formation en cours d’emploi (20 % dans l’EPVS).

Table 3: Education and Training Required Based on Skill Types

 

Skill level Education/training level
0 Management occupations. These are not explicitly associated with an education level. Note that this “skill level” is often grouped together with level A
A University degree at the bachelor’s, master’s, or doctorate level
B Occupations usually require college education, specialized training or apprenticeship training
C Occupations usually require secondary school and/or occupation-specific training
D On-the-job training is usually provided for occupations

Source: Emploi et Développement social Canada.

Figure 4: Les postes de gestion et les professions ayant un niveau d’éducation A et B sont surreprésentés en ligne et les professions ayant un niveau d’éducation C et D sont sous-représentées.

Distribution des professions dans les offres d’emploi en ligne par niveau de scolarité, ensemble du Canada, tous les trimestres.6

 

fig4_fr

Ces résultats sont conformes à ce que nous observons dans les chiffres précédents : les professions de gestion et les professions libérales ainsi que le niveau de scolarité A sont surreprésentés dans les données des offres d’emploi en ligne, tandis que les niveaux de scolarité C et D sont sous-représentés. Le niveau de compétence B (professions nécessitant un diplôme d’études collégiales) est légèrement surreprésenté. Ces résultats rejoignent également une étude australienne (en anglais seulement), qui a révélé que les emplois nécessitant une scolarité et une formation professionnelles sont sous-représentés dans les données australiennes sur les offres d’emploi en ligne.

Outre cette distorsion dans le domaine de l’éducation, il est également prouvé que les offres d’emploi en ligne surreprésentent les grandes régions métropolitaines et sous-représentent les petites régions. Pour déterminer si les offres d’emploi canadiennes en ligne surreprésentent les régions métropolitaines, les répartitions des offres d’emploi dans les trois plus grandes (Toronto, Vancouver et Montréal) sont comparées à celles de toutes les autres régions métropolitaines et non métropolitaines.7

Les offres d’emploi en ligne canadiennes sous-représentent Toronto, Vancouver et Montréal et surreprésentent les autres régions métropolitaines et non métropolitaines (voir la figure 5). Plus précisément, 38 % des offres d’emploi en ligne se trouvent dans les trois plus grandes villes, contre 45 % des postes vacants officiels selon l’EPVS.Dans les autres régions métropolitaines, 50 % des offres d’emploi en ligne sont observées contre 48 % des postes vacants. Dans les régions non métropolitaines, 12 % des offres d’emploi en ligne sont observées contre seulement 8 % des postes vacants. Ces résultats déroutants pourraient s’expliquer, notamment pour la surreprésentation en ligne des zones non métropolitaines, par le sous-dénombrement dans l’EPVS. Le sous-dénombrement est un type d’erreur non due à l’échantillonnage qui se produit lorsque les informations sur un emplacement sont incomplètes dans le Registre des entreprises, le répertoire statistique utilisé pour générer l’échantillon de l’EPVS. Cette situation survient normalement dans le cas de petits emplacements qui n’ont pas encore rempli de formulaire de retenue sur la paie auprès de l’Agence du revenu du Canada.

Figure 5 : Les offres d’emploi en ligne sous-représentent les régions métropolitaines et les grandes villes (Toronto, Montréal et Vancouver) et surreprésentent les régions non métropolitaines.

Distribution des professions dans les offres d’emploi en ligne par région, tous les trimestres8

fig5_fr

Si l’on regroupe les données à la fois par niveau d’éducation et par zone géographique, on constate que les professions de gestion et universitaires sont surreprésentées et que celles exigeant une formation en cours d’emploi sont sous-représentées dans chaque type de région, ce qui signifie que ces professions sont constamment sur/sous-représentées en ligne dans toutes les régions géographiques (voir la figure 6). Dans les grandes villes, les professions qui exigent un diplôme universitaire ou moins entraînent la sous-représentation en ligne de ces lieux que nous voyons dans la figure 5. Les résultats sont un peu moins confondants car, comme on pouvait s'y attendre, les professions de gestion et les professions universitaires dans les grandes villes (et dans toutes les autres zones géographiques) sont surreprésentées en ligne.

Figure 6 : Les offres d’emploi en ligne surreprésentent systématiquement les professions de gestion pour les trois zones urbaines.

Distribution des professions dans les offres d’emploi en ligne par scolarité et par région, ensemble du Canada, tous les trimestres.9

fig6_fr

La voie à suivre

Les offres d’emploi en ligne sont un complément précieux aux statistiques officielles sur les postes vacants, car elles fournissent des informations que les enquêtes traditionnelles ne permettent pas de saisir, comme des indications sur les exigences des employeurs, dont les compétences, et ce en temps quasi réel ainsi que de façon locale et granulaire. Les offres d’emploi en ligne peuvent également être analysées à une fraction du coût des méthodes d’enquête traditionnelles.

Pour ces raisons, le CIMT a lancé le Tableau de bord des offres d’emploi en ligne au Canada. Cet outil interactif permet aux utilisateurs de consulter le nombre d’offres d’emploi en temps quasi réel par région et par profession, et présente les exigences de travail détaillées par les employeurs dans les offres d'emploi. Toutefois, comme pour toutes les sources de données, les mises en garde et les limites doivent être communiquées de façon transparente pour que le processus décisionnel soit le plus éclairé possible.

En ce qui concerne la représentativité, les offres d’emploi en ligne surreprésentent les professions de gestion et du secteur des services exigeant des études universitaires et sous-représentent les métiers et autres emplois nécessitant des études secondaires ou une formation en cours d’emploi. Les offres d’emploi en ligne sont également sous-représentées dans les trois plus grandes villes du pays (Toronto, Montréal et Vancouver), mais aussi concentrées dans d’autres régions métropolitaines et non métropolitaines. Parmi les autres limites, on retrouve par exemple les différentes manières de recruter des employeurs selon les différents secteurs de l’économie. En effet, les petites entreprises et celles qui travaillent dans des secteurs comme l’agriculture sont plus susceptibles de recruter par le bouche-à-oreille que de publier des offres d’emploi en ligne. De plus, il n’y a aucun moyen de savoir quelles sont les exigences de travail essentielles pour le poste en question. Les données nous permettent seulement d’observer que certaines exigences sont plus fréquemment mentionnées par les employeurs dans les offres d’emploi en ligne. Ces autres limites, ainsi que les avantages considérables qu’offrent les offres d’emploi en ligne, sont abordées plus en profondeur dans le Rapport de perspectives de l’IMT n° 32.

Dans l’ensemble, les données des offres d’emploi en ligne constituent un excellent complément aux sources existantes.

Remerciements

Ce Rapport de perspectives de l’IMT a été préparé par Zoe Rosenbaum et Brittany Feor, du CIMT. Nous remercions Sandip Basi et Steven Wald (gouvernement de l'Ontario), Felix Bélanger-Simoneau (Observatoire compétences-emplois), Veronica Escudero et Hannah Liepmann (Organisation internationale du travail), Austin Hracs (Magnet), Fabian Lange (Université McGill), Martin Lemire et Dominique Dionne-Simard (Statistique Canada), Naomi Pope et Amy Wongkanlayanush (gouvernement de la Colombie-Britannique), et David Ticoll (Université de Toronto) pour leurs commentaires.

Pour en savoir plus sur ce rapport et les autres activités du CIMT, veuillez communiquer avec Zoe Rosenbaum, économiste (zoe.rosenbaum@lmic-cimt.ca), Brittany Feor, économiste (brittany.feor@lmic-cimt.ca), ou Tony Bonen, directeur de la recherche, des données et de l’analytique (tony.bonen@lmic-cimt.ca). Vos commentaires sont les bienvenus. Nous vous invitons à nous faire part de vos observations et opinions sur le sujet en nous écrivant info@lmic-cimt.ca.

Annexe A : Calculs

Calcul des parts :

Remarque : les « possibilités d’emploi » font référence aux offres d’emploi en ligne et aux postes vacants, puisque nous avons calculé les mêmes proportions pour les deux sources de données.

Parts pancanadiennes


i est un code CNP précis.

Parts provinciales
i est un code CNP précis et k est une province.
Parts par niveau de scolarité (compétence)
j est un niveau de compétence : 0, A, B, C ou D.
Parts par zone urbaine  


z est une zone urbaine : grande ville, région métropolitaine ou région non métropolitaine


Calcul des intervalles de confiance :

Intervalles de confiance

Statistique Canada définit le coefficient de variation (CV) comme l’erreur type (ET)10 en pourcentage de (m).11 Par conséquent, pour calculer les erreurs types, il suffit de multiplier le CV par l’estimation.

Ensuite, on calcule les intervalles de confiance à 95 % avec la formule habituelle, à savoir 1,96(ET).

Annexe B : Figures

Les axes des x et des y de chaque figure représentent respectivement les parts des offres d’emploi en ligne et des postes vacants de l’EPVS selon les professions. Chaque point indique les parts relatives pour chaque source de données, et les barres verticales représentent les intervalles de confiance à 95 % dérivés de l’EPVS. Si la part de chaque source de données est égale, le point se situe sur la diagonale, alors que si la part est plus élevée dans l’EPVS, le point se situe au-dessus de la diagonale et la profession est considérée comme sous-représentée dans les offres d’emploi en ligne. Si la part est plus faible dans l’EPVS, le point passe sous la diagonale et la profession est considérée comme surreprésentée dans les offres d’emploi en ligne. Chaque profession sur- ou sous-représentée est colorée en fonction de son code CNP à 1 chiffre. Si la différence entre la part des professions dans les données des offres d’emploi en ligne et celle dans l’EPVS n’est pas statistiquement significative au seuil de 5 %, cette part est indiquée comme « NS ».

Figure 7 : Au niveau à 4 chiffres de la CNP et à l’échelle provinciale, 31 % des observations sont surreprésentées en ligne, 29 % sont sous-représentées et 40 % ne présentent pas de différences significatives entre les données sur les offres d’emploi en ligne et celles de l’EPVS.

Distribution des offres d’emploi en ligne et des postes vacants de l’EPVS, dans l’ensemble du Canada, par trimestre.

fig7_fr

Figure 8 : Au niveau à 4 chiffres de la CNP et à l’échelle provinciale, 14 % des observations sont surreprésentées en ligne, 9 % sont sous-représentées et 77 % ne présentent pas de différences significatives entre les données sur les offres d’emploi en ligne et celles de l’EPVS.

Distribution des offres d’emploi en ligne et des postes vacants de l’EPVS, par province, par trimestre.

fig8_fr

Annexe C : Tableaux

Tableau 4 : Dans l’ensemble du Canada, les offres d’emploi en ligne ne sont pas représentatives au niveau à 1 chiffre

Proportion pancanadienne des grandes catégories professionnelles (codes CNP à 1 chiffre) des offres d’emploi en ligne qui se situent au-dessus, au-dessous ou à l’intérieur de l’intervalle de confiance de 95 % des répartitions de l’EPSV par trimestre.12

Grande catégorie professionnelle % sans différence significative % significativement sous-représenté en ligne % significativement surreprésenté en ligne
Niveau à 1 chiffre de la CNP Niveau à 1 chiffre de la CNP Niveau à 1 chiffre de la CNP
0 – Gestion 0 % 0 % 100 %
1 – Affaires, finance et administration 0 % 0 % 100 %
2 – Sciences naturelles et appliquées et domaines apparentés 0 % 0 % 100 %
3 – Secteur de la santé 14 % 0 % 86 %
4 – Enseignement, droit et services sociaux, communautaires et gouvernementaux 0 % 0 % 100 %
5 – Arts, culture, sports et loisirs 71 % 29 % 0 %
6 – Vente et services 0 % 100 % 0 %
7 – Métiers, transport, machinerie et domaines apparentés 0 % 100 % 0 %
8 – Ressources naturelles, agriculture et production connexe 0 % 100 % 0 %
9 – Fabrication et services d’utilité publique 0 % 100 % 0 %

 

Tableau 5 : Les parts d’offres d’emploi en ligne sont plus fidèlement représentatives au sein des provinces et des territoires qu’au niveau pancanadien

Proportion pancanadienne des grandes catégories professionnelles (codes CNP à 1 chiffre) des offres d’emploi en ligne qui se situent au-dessus, au-dessous ou à l’intérieur de l’intervalle de confiance de 95 % des répartitions de l’EPSV par trimestre.13

Grande catégorie professionnelle % sans différence significative % significativement sous-représenté en ligne % significativement surreprésenté en ligne
Niveau à 1 chiffre de la CNP Niveau à 1 chiffre de la CNP Niveau à 1 chiffre de la CNP
0 – Gestion 11 % 1 % 88 %
1 – Affaires, finance et administration 22 % 3 % 75 %
2 – Sciences naturelles et appliquées et domaines apparentés 45 % 9 % 46 %
3 – Secteur de la santé 25 % 17 % 58 %
4 – Enseignement, droit et services sociaux, communautaires et gouvernementaux 43 % 13 % 44 %
5 – Arts, culture, sports et loisirs 70 % 11 % 19 %
6 – Vente et services 48 % 46% 6 %
7 – Métiers, transport, machinerie et domaines apparentés 42 % 55 % 3 %
8 – Ressources naturelles, agriculture et production connexe 21 % 77 % 2 %
9 – Fabrication et services d’utilité publique 26 % 70 % 4 %

 

Tableau 6 : Parts des postes vacants dans l’EPVS et des offres d’emploi en ligne par grande catégorie professionnelle (CNP à 1 chiffre)

Grande catégorie professionnelle Part des postes vacants dans l’EPVS (%) Part des offres d’emploi en ligne (%)
0 – Gestion 5,2 % 10,2 %
1 – Affaires, finance et administration 10,9 % 16,6 %
2 – Sciences naturelles et appliquées et domaines apparentés 7,5 % 8,6 %
3 – Secteur de la santé 6,8 % 7,9 %
4 – Enseignement, droit et services sociaux, communautaires et gouvernementaux 6,2 % 7,6 %
5 – Arts, culture, sports et loisirs 2,2 % 2 %
6 – Vente et services 33,6 % 29,6 %
7 – Métiers, transport, machinerie et domaines apparentés 18,3 % 12,6 %
8 – Ressources naturelles, agriculture et production connexe 3,9 % 1,3 %
9 – Fabrication et services d’utilité publique 5,4 % 3,6 %

End Notes

  1. La dernière période pour laquelle les données de l’EPVS sont disponibles. La publication de résultats plus récents de l’EPVS a été reportée en raison de la pandémie de COVID-19.
  2. Ce chiffre est basé sur la part des offres d’emploi en ligne associées à une catégorie d’industrie. Il ne s’agit que d’une approximation, car près de 60 % des offres d’emploi ne peuvent être associées avec précision à un groupe industriel, et nous ne connaissons donc pas la répartition des offres d’emploi par industrie pour ces cas.
  3. Pour les besoins de cette analyse, Statistique Canada a fourni au CIMT des estimations des erreurs d’échantillonnage de l’EPVS (présentées sous forme de coefficients de variation).
  4. Les détails du calcul se trouvent à l’annexe A.
  5. Les détails du calcul se trouvent à l’annexe A.
  6. Les détails du calcul se trouvent à l’annexe A.
  7. Ces classifications urbaines sont basées sur les régions économiques, car il s’agit du niveau géographique le plus détaillé disponible dans l’EPVS. Les grandes villes comprennent les régions économiques de Toronto (Ont.), des Basses-terres continentales/Sud-Ouest (C.-B.)et de Montréal (Qc). Les régions métropolitaines sont des régions économiques (à l’exception des trois villes mentionnées ci-dessus) comprenant une RMR, en plus de Fredericton-Oromocto (N.-B). Les régions non métropolitaines sont des régions économiques qui ne comprennent pas de RMR, en plus de la région d’Interlake (Man). Pour vérifier la fiabilité des données, les figures 5 et 6 ont été recréées avec les « grandes villes » pour les mêmes régions économiques (Toronto, Basses-terres continentales/Sud-Ouest et Montréal), mais avec les « régions métropolitaines » pour toutes les autres régions économiques ayant une densité de population supérieure à 5,0 par km2 et une population supérieure à 100 000 habitants et les « régions non métropolitaines » pour les autres régions. Ces résultats sont les mêmes, c’est-à-dire que les professions des grandes villes sont sous-représentées en ligne et celles des régions métropolitaines et non métropolitaines sont surreprésentées.
  8. Les détails du calcul se trouvent à l’annexe A.
  9. Les détails du calcul se trouvent à l’annexe A.
  10. Standard error is the standard deviation divided by the square root of the sample size.
  11. https://www150.statcan.gc.ca/n1/pub/71-543-g/2012001/part-partie7-eng.htm
  12. Les détails du calcul se trouvent à l’annexe A.
  13. Les détails du calcul se trouvent à l’annexe A.

Sign up for Our Newsletter

Nous contacter

Pour toute question ou commentaire, contactez-nous et nous vous répondrons dans les plus brefs délais

613-695-0699

410, avenue Laurier Ouest,
bureau 410
Ottawa, Ontario K1R 1B7

Demandes des médias :
nadine.purdy@lmic-cimt.ca
Veuillez entrer votre nom.
Veuillez entrer un message.
Veuillez vérifier le captcha pour prouver que vous n'êtes pas un robot.