Creation of the FAIRPLAY Project team


Created as part of a research partnership between the Criteo AI Lab, Inria and Instutitut Polytechnique de Paris, the mission of the FAIRPLAY Project is to study the impact of AI on the design of transparent and fair marketplaces.

Note #71 du Conseil d’Analyse Économique du 14 mars 2022


“Le marché du travail français à l’épreuve de la crise sanitaire”

Note co-écrite par Roland Rathelot et François Fontaine.

Le marché du travail a globalement bien résisté à l’épreuve de la crise sanitaire : il a retrouvé une situation proche de ce qu’on observait avant la crise, avec des difficultés de recrutement persistantes et un chômage qui reste élevé. Dans cette nouvelle Note du CAE, François Fontaine et Roland Rathelot montrent que ces problèmes structurels ne sauraient être expliqués par l’inadéquation entre l’offre et la demande de travail en termes de métiers ou de localisation, mais par des problèmes d’information qui rendent les processus de recrutement longs et coûteux. Ainsi, plutôt que de chercher à rapprocher offre et demande par la formation, des politiques plus systématiques d’aide au recrutement à destination des petites et moyennes entreprises pourraient être mises en place. Il peut s’agir d’organiser un marché de l’accompagnement pour ces entreprises, avec des aides à la recherche et à la sélection de candidats, comme de systématiser des tests de compétences certifiés pour les demandeurs d’emploi. Enfin, plusieurs enseignements sont tirés des récents dispositifs de soutien au marché du travail durant la crise. S’ils ont permis d’absorber le choc, leurs effets d’aubaine pourraient être limités, notamment avec un système de bonus‐malus lié au recours à l’activité partielle et une plus grande concentration des politiques de baisse de charges en temps de crise sur des publics ciblés et de manière limitée dans le temps.

Lire l’intégralité de la note:

https://www.cae-eco.fr/le-marche-du-travail-francais-a-lepreuve-de-la-crise-sanitaire

La presse en parle:

14 mars 2022
CAPITAL
Les problèmes structurels du marché du travail s’expliquent par des problèmes d’information

14 mars 2022
MIEUX VIVRE VOTRE ARGENT
Emploi : comment faciliter les recrutements dans les entreprises ?

14 mars 2022
LE MONDE
Des pistes pour atténuer les difficultés à recruter

14 mars 2022
OPTION FINANCE
Les problèmes structurels du marché du travail s’expliquent par des problèmes d’information

14 mars 2022
LE FIGARO
Emploi : des solutions pour aider les petites entreprises à mieux recruter

14 mars 2022
LE POINT
Face aux difficultés de recrutement, les limites de la formation professionnelle

14 mars 2022
LA TRIBUNE
Pour baisser le chômage, mieux vaut accompagner les entreprises plutôt que de massifier la formation

15 mars 2022
LA CORRESPONDANCE ÉCONOMIQUE
Le marché du travail français à l’épreuve de la crise sanitaire, selon le CAE

15 mars 2022
LES ÉCHOS
Difficultés de recrutement : la piste de la concurrence à Pôle emploi

15 mars 2022
LES ÉCHOS
Plein-emploi : pour en finir enfin avec le chômage de masse

The Gender Pay Gap Revisited with Big Data: Do Methodological Choices Matter?


Research paper co-authored by par Anthony Strittmatter, Assistant Professor of Political Economics at Institut polytechnique de Paris and Conny Wunsch, Professor of Labour Market Economics at the Faculty of Economics of the University of Basel.

Abstract:

The vast majority of existing studies that estimate the average unexplained gender pay gap use unnecessarily restrictive linear versions of the Blinder-Oaxaca decomposition. Using a notably rich and large data set of 1.7 million employees in Switzerland, we investigate how the methodological improvements made possible by such big data affect estimates of the unexplained gender pay gap. We study the sensitivity of the estimates with regard to i) the availability of observationally comparable men and women, ii) model flexibility when controlling for wage determinants, and iii) the choice of different parametric and semi-parametric estimators, including variants that make use of machine learning methods. We find that these three factors matter greatly. Blinder-Oaxaca estimates of the unexplained gender pay gap decline by up to 39% when we enforce comparability between men and women and use a more flexible specification of the wage equation. Semi-parametric matching yields estimates that when compared with the Blinder-Oaxaca estimates, are up to 50% smaller and also less sensitive to the way wage determinants are included.

Publication date:
February 19th, 2022

Link to the paper:

https://arxiv.org/abs/2102.09207

Interpellation text of the Swiss National Council:

https://www.parlament.ch/fr/ratsbetrieb/suche-curia-vista/geschaeft?AffairId=20214416

Popular Science Article:

https://dievolkswirtschaft.ch/fr/2021/10/les-inegalites-salariales-entre-hommes-et-femmes-sont-souvent-surestimees/