Juin 2020<\/p>\n\n
<\/p>\n Au cours de la derni\u00e8re ann\u00e9e, le CIMT a travaill\u00e9 sur un projet conjoint <\/a>avec Emploi<\/a> et D\u00e9veloppement social\u00a0 Canada\u00a0 <\/a>(EDSC) et Statistique Canada <\/a>pour d\u00e9crire les emplois en fonction des comp\u00e9tences requises ainsi que d’autres caract\u00e9ristiques des emplois ou des travailleurs. Une approche\u00a0 possible\u00a0 pr\u00e9c\u00e9demment<\/a> explor\u00e9e <\/a>consiste \u00e0 exploiter l’\u00e9tendue des donn\u00e9es disponibles gr\u00e2ce \u00e0 l’Occupational Information Network (O*NET) des \u00c9tats-Unis. Le pr\u00e9sent Rapport de perspectives de l’IMT <\/em>se concentre sur une autre approche : la collecte, l’analyse et la structuration des exigences professionnelles, dont les comp\u00e9tences, provenant des offres d’emploi en ligne, au moyen d’approches de pointe comme l’apprentissage automatique, l’acc\u00e8s aux Interface de programmation (API) et le moissonnage du web (voir l’encadr\u00e9 1).<\/p>\n La popularisation des langages de programmation libres, les progr\u00e8s en mati\u00e8re de puissance de calcul et les am\u00e9liorations de la gestion de l’information ont permis l’acquisition de donn\u00e9es provenant de sources en ligne. Parall\u00e8lement, les avanc\u00e9es dans le domaine de l’apprentissage automatique nous ont permis d’analyser ces grands ensembles de donn\u00e9es pour g\u00e9n\u00e9rer de nouvelles connaissances en temps quasi r\u00e9el.<\/p>\n De plus en plus, les donn\u00e9es brutes des offres d’emploi en ligne sont exploit\u00e9es gr\u00e2ce \u00e0 l’apprentissage automatique afin de compl\u00e9ter les statistiques officielles destin\u00e9es \u00e0 l’analyse du march\u00e9 du travail. Puisque ces donn\u00e9es, disponibles en temps r\u00e9el et selon un lieu pr\u00e9cis (par exemple la ville), sont recueillies \u00e0 partir de sites web accessibles au public, elles contribuent \u00e0 am\u00e9liorer notre acc\u00e8s \u00e0 une information sur le march\u00e9 du travail (IMT) plus locale, granulaire et actuelle. De plus, elles offrent l’occasion d’explorer les donn\u00e9es sur les comp\u00e9tences du point de vue de la recherche de talents par les employeurs.<\/p>\n Apprentissage automatique<\/strong><\/p>\n L’apprentissage automatique <\/a>(apprentissage artificiel, apprentissage machine) est un ensemble d’approches modernes de l’analyse statistique qui s’appuie sur des algorithmes pour traiter de grands ensembles de donn\u00e9es. Diff\u00e9rent des autres approches statistiques, l’apprentissage automatique repose sur des algorithmes con\u00e7us pour devenir plus pr\u00e9cis dans la pr\u00e9vision des r\u00e9sultats (par exemple la classification de texte) sans \u00eatre explicitement programm\u00e9s pour le faire. En ce sens, l’apprentissage automatique est un sous-secteur de l’intelligence artificielle (IA). Dans le cas des offres d’emploi en ligne, les algorithmes sont faits pour associer les offres d’emploi \u00e0 une profession et pour classer le texte brut selon un ensemble d’exigences de travail (voir l’encadr\u00e9 2<\/u>).<\/p>\n Moissonnage du web<\/strong><\/p>\n Selon Statistique Canada<\/u><\/a>, le moissonnage du web est un processus par lequel des renseignements sont recueillis sur le web aux fins d’extraction et d’analyse. L’une des applications du moissonnage du web consiste \u00e0 collecter des donn\u00e9es sur des sites d’emplois et des sites web d’entreprises, puis \u00e0 \u00ab nettoyer \u00bb le texte. Ce processus peut \u00eatre effectu\u00e9 \u00e0 l’interne ou \u00e0 l’externe. En ce moment, plusieurs entreprises d’analyse de donn\u00e9es (par exemple : Vicinity Jobs, Burning <\/a>Glass Technologies <\/a>et TalentNeur<\/a>on) collectent et analysent les donn\u00e9es des offres d’emploi provenant de nombreux sites web d’entreprises et agr\u00e9gateurs canadiens (comme indeed.<\/a>ca).<\/p>\n Interfaces de programmation d’application (API)<\/strong><\/p>\n Les API sont des logiciels interm\u00e9diaires <\/a>qui permettent \u00e0 un programme informatique externe d’obtenir de l’information d’une source interne par le biais d’un ensemble de protocoles d\u00e9finissant le type de donn\u00e9es auxquelles on peut acc\u00e9der. Les API permettent \u00e0 des syst\u00e8mes (ou des langages informatiques) ind\u00e9pendants de se parler. Par exemple, peu importe si vous utilisez un ordinateur Windows ou un iPhone pour acc\u00e9der aux informations sur un vol, les donn\u00e9es peuvent vous \u00eatre fournies par le m\u00eame point d’acc\u00e8s d’API. De nombreux agr\u00e9gateurs d’offres d’emplois rendent les API accessibles pour que les tiers puissent plus facilement acc\u00e9der \u00e0 des informations structur\u00e9es et les t\u00e9l\u00e9charger.<\/p>\n Lorsque des donn\u00e9es non structur\u00e9es sont collect\u00e9es \u00e0 partir d’une offre d’emploi en ligne, le texte doit \u00eatre analys\u00e9 et class\u00e9 par cat\u00e9gories. Une technique r\u00e9pandue d’analyse de texte est le Document Object Model <\/a>(DOM), qui permet \u00e0 un programme d’extraire de l’information d’une page web en r\u00e9f\u00e9ren\u00e7ant son emplacement dans le document. Cette m\u00e9thode, cependant, renvoie toutes les donn\u00e9es \u00e0 l’endroit sp\u00e9cifi\u00e9. Autrement dit, le r\u00e9sultat consiste simplement en du texte brut qui doit encore \u00eatre format\u00e9 pour l’analyse. Pour ce faire, les entreprises d’analyse de donn\u00e9es appliquent g\u00e9n\u00e9ralement des algorithmes de traitement du langage naturel (TLN) pouss\u00e9s et souvent propri\u00e9taires qui utilisent l’apprentissage automatique pour classifier le texte non structur\u00e9 selon une taxonomie des comp\u00e9tences et des exigences de travail pr\u00e9existante (voir l’encadr\u00e9 2)<\/p>\n Dans sa forme la plus simple, une taxonomie est un syst\u00e8me de classification. En mati\u00e8re de comp\u00e9tences, les taxonomies servent \u00e0 organiser les informations les plus diverses en cat\u00e9gories utilisables. Les taxonomies fournissent \u00e9galement un langage commun pour discuter des comp\u00e9tences requises pour les emplois et les professions.<\/p>\n Parmi les diff\u00e9rentes taxonomies de comp\u00e9tences actuelles, l’une des plus populaires est int\u00e9gr\u00e9e dans le syst\u00e8me O*NET<\/a> des \u00c9tats-Unis. Citons aussi la Classification europ\u00e9enne des aptitudes\/comp\u00e9tences, certifications et professions et la nouvelle Taxonomie des comp\u00e9tences et des capacit\u00e9s<\/a>.<\/p>\n Pour donner un aper\u00e7u des donn\u00e9es disponibles, nous pr\u00e9sentons un r\u00e9sum\u00e9 de l’information provenant de 2 467 709 offres d’emplois en ligne de partout au Canada en 2019. Les r\u00e9sultats pr\u00e9cis figurant ici sont ceux de l’entreprise d’analyse de m\u00e9gadonn\u00e9es Vicinity Jobs, mais le type et la fr\u00e9quence d’information disponibles sont les m\u00eames pour tous les fournisseurs de donn\u00e9es1<\/sup>.<\/p>\n Ces donn\u00e9es ont d\u00e9j\u00e0 \u00e9t\u00e9 nettoy\u00e9es et structur\u00e9es par l’entreprise de moissonnage. Les principales variables d’int\u00e9r\u00eat et leur fr\u00e9quence d’apparition sont pr\u00e9sent\u00e9es dans le tableau 1. Les informations sur les offres d’emploi de Vicinity Jobs sont disponibles dans le tableau de bord des tendances en mati\u00e8re d’emploi au Canada du CIMT<\/a>.<\/p>\n Tableau<\/strong> 1 : Disponibilit\u00e9 des informations contenues dans les donn\u00e9es de Vicinity Jobs (2019) par variable<\/strong><\/p>\n\t \u00a0<\/strong><\/p>\n \u00a0<\/strong><\/p>\nLieu<\/strong><\/td>\n \u00a0<\/strong><\/p>\nExigences professionnelles<\/strong><\/td>\n 1) Connaissances<\/p>\n 2)\u00a0 Comp\u00e9tences<\/p>\n 3)\u00a0 Outils et technologies<\/p>\n4) Autres2<\/sup><\/td>\n <\/p>\n\t Source : Vicinity Jobs (2019).<\/p>\n * Structur\u00e9es par le CIMT en partenariat avec Vicinity Jobs et EDSC.<\/p>\n Comme l’indique le Rapport\u00a0 de\u00a0 perspectives<\/a> de l’IMT no 14<\/a>, l’un des principaux avantages de recueillir et d’analyser des donn\u00e9es provenant d’offres d’emplois en ligne est la possibilit\u00e9 de conna\u00eetre les exigences de travail que les employeurs nomment explicitement. \u00c0 l’aide des donn\u00e9es fournies par Vicinity Jobs, on peut calculer la part des exigences de travail sp\u00e9cifiques (par exemple : connaissances, comp\u00e9tences, outils et technologies) \u00e9num\u00e9r\u00e9es par les employeurs pour diff\u00e9rents lieux et professions. La figure 1 pr\u00e9sente les quatre principales exigences de travail par groupe (c’est-\u00e0-dire : comp\u00e9tences, connaissances, outils et technologies, autres) pour les infirmiers\/infirmi\u00e8res (CNP 3012) \u00e0 Winnipeg. On peut \u00e9galement examiner une cat\u00e9gorie en particulier, comme les comp\u00e9tences. La figure 2 pr\u00e9sente les cinq principales comp\u00e9tences parmi toutes les offres d’emplois \u00e0 Winnipeg en 2019. De m\u00eame, \u00e0 la figure 3, on peut voir les cinq principaux outils et technologies exig\u00e9s pour les programmeurs\/programmeuses et d\u00e9veloppeurs\/ d\u00e9veloppeuses en m\u00e9dias interactifs (CNP 2174).<\/p>\n\t Figure 1 : La communication, le RCR, la flexibilit\u00e9 et Microsoft Word sont en t\u00eate des comp\u00e9tences requises pour les infirmiers autoris\u00e9s\/infirmi\u00e8res autoris\u00e9es et infirmiers psychiatriques autoris\u00e9s\/ infirmi\u00e8res psychiatriques autoris\u00e9es (CNP 3012) \u00e0 Winnipeg (2019).<\/strong><\/p>\n\t\t\t\t Figure 2 : Comp\u00e9tences en communication sont les comp\u00e9tences les plus fr\u00e9quemment recherch\u00e9es \u00e0 Winnipeg parmi toutes les offres d’emploi (2019)<\/strong><\/p>\n\t\n![\"\"](\"https:\/\/lmic-cimt.ca\/wp-content\/uploads\/2021\/06\/statcanblack.png\")
<\/p>\n\tAccueil<\/a><\/span><\/span>\n\tTable des mati\u00e8res<\/h2>\n
\n \n<\/ul>\n
\n\t\t\tPrincipaux constats\t<\/h3>\n\t
\n
\n\t\t\tIntroduction\t<\/h3>\n
\n\t\t\tDes explications, s’il vous pla\u00eet\t<\/h3>\n
\n\t\t\tEncadr\u00e9 1 : Quelles sont les technologies de pointe au 21e<\/sup> si\u00e8cle?\t<\/h4>\n\t
\n\t\t\tDes exigences professionnelles aux informations sur les comp\u00e9tences\t<\/h3>\n
\n\t\t\tEncadr\u00e9 2 : Que sont les taxonomies et pourquoi sont-elles utiles?\t<\/h4>\n\t
\n\t\t\tDe quoi ont l’air les donn\u00e9es?\t<\/h3>\n\t
\n\n
\n \u00a0<\/strong>Cat\u00e9gorie<\/strong><\/td>\n Variable<\/strong><\/td>\n Description<\/strong><\/td>\n Pourcentage des offres d’emploi<\/strong><\/td>\n<\/tr>\n \n Employeur<\/strong><\/td>\n Nom de l’employeur<\/td>\n Nom de l’employeur responsable de l’annonce<\/td>\n 39 %<\/td>\n<\/tr>\n \n \u00a0<\/strong>\n Ville ou municipalit\u00e9<\/td>\n Ville ou localit\u00e9 o\u00f9 l’emploi est situ\u00e9<\/td>\n 91 %<\/td>\n<\/tr>\n \n Division du recensement<\/td>\n Division de recensement o\u00f9 l’emploi est situ\u00e9<\/td>\n 93 %<\/td>\n<\/tr>\n \n R\u00e9gion \u00e9conomique<\/td>\n R\u00e9gion \u00e9conomique o\u00f9 l’emploi est situ\u00e9<\/td>\n 93 %<\/td>\n<\/tr>\n \n Province ou territoire<\/td>\n Province o\u00f9 l’emploi est situ\u00e9<\/td>\n 100 %<\/td>\n<\/tr>\n \n Secteur d’activit\u00e9 (SCIAN)<\/strong><\/td>\n Code SCIAN \u00e0 6 chiffres<\/td>\n Classe pr\u00e9cise du secteur d’activit\u00e9 de l’offre d’emploi<\/td>\n 43 %<\/td>\n<\/tr>\n \n \u00a0<\/strong>\nProfession (CPN)<\/strong><\/td>\n Code CNP \u00e0 1 chiffre<\/td>\n Classification professionnelle g\u00e9n\u00e9rale de l’offre d’emploi<\/td>\n 87 %<\/td>\n<\/tr>\n \n Code CNP \u00e0 4 chiffres<\/td>\n Classification professionnelle pr\u00e9cise de l’offre d’emploi<\/td>\n 71 %<\/td>\n<\/tr>\n \n Exp\u00e9rience<\/strong><\/td>\n Exp\u00e9rience<\/td>\n Exp\u00e9rience explicitement mentionn\u00e9e comme une exigence<\/td>\n 16 %<\/td>\n<\/tr>\n \n \u00a0<\/strong>\n\u00c9ducation<\/strong><\/td>\n \u00c9ducation<\/td>\n Type de formation requis pour le poste (p. ex. : dipl\u00f4me d’\u00e9tudes secondaires, dipl\u00f4me d’\u00e9tudes sup\u00e9rieures, etc.)<\/td>\n 42 %<\/td>\n<\/tr>\n \n Certification<\/strong><\/td>\n Certification<\/td>\n Licence, certification, d\u00e9veloppement professionnel requis<\/td>\n 23 %<\/td>\n<\/tr>\n \n Salaire offert<\/strong><\/td>\n Salaire<\/td>\n R\u00e9mun\u00e9ration mentionn\u00e9e dans l’offre d’emploi<\/td>\n 16 %<\/td>\n<\/tr>\n \n Dur\u00e9e<\/strong><\/td>\n Emploi permanent ou temporaire<\/td>\n <\/td>\n 38 %<\/td>\n<\/tr>\n \n Type<\/strong><\/td>\n Emploi \u00e0 temps plein ou \u00e0 temps partiel<\/td>\n <\/td>\n 95 %<\/td>\n<\/tr>\n \n \u00a0<\/strong>\n Outils, comp\u00e9tences, connaissances, technologies et autres descripteurs nomm\u00e9s par l’employeur comme exigences de l’emploi<\/td>\n L’ensemble des exigences de travail* class\u00e9s selon la Taxonomie des comp\u00e9tences et des capacit\u00e9s d’EDSC :\n 90 %<\/td>\n<\/tr>\n<\/tbody>\n<\/table>\n \n\t\t\tQuels renseignements peut-on tirer de ces donn\u00e9es?\t<\/h3>\n
![\"\"](\"http:\/\/lmic-cimt.ca\/wp-content\/uploads\/2020\/07\/P-32-Fig-1.png\")
\n\t