©2007 The Centre for Spatial Economics Élaborer une stratégie de modélisation de loffre par...

C4SE ©2007 The Centre for Spatial Economics

Élaborer une stratégie de modélisation de l’offre par

profession

Réunion du FMMT, VancouverLe 18 octobre 2007

Ernie StokesDirecteur général


Objectifs de la présentation

• Introduction• Composantes d’un système relatif aux

professions• Méthodes canadiennes actuelles (Fairholm)• Facteurs clés dans le choix d’une approche• Une approche suggérée (expérience du CSC)


Composantes d’un système de prévision

Données Modèles

Analystes

Clients

Processus de prévision


Composantes d’un modèle relatif aux professions

• Demande – besoins totaux de l'économie en matière d'heures/emploi

(expansion/contraction de la demande)

• Offre– départs associés à des décès, à la retraite et à d’autres

facteurs tels que les migrations (demande de main-d’œuvre de remplacement)

– arrivées comprenant les nouveaux-venus dans la population active tels que les personnes en fin de scolarité, les arrivants d’autres professions et les migrants

– changements dans les heures travaillées sur le plan de l’offre

• Lien avec l’éducation• Interaction demande-offre


Approche du SPPC

Points forts– Projections détaillées sur le marché du travail à l’échelon

national– Tient compte de plusieurs aspects de l’éducation– Tient compte de certains aspects provinciaux– Inclusion de l’immigration la plus détaillée du monde

Points faibles– Déséquilibres D/O : pas d’incidence sur la demande ou l’offre– Demande de main-d’œuvre de remplacement incomplète– Incomplet sur le plan de l’offre– Incomplet sur le plan des aspects provinciaux


Approches des provinces

Les provinces surveillent les tendances de la population active– Nombre de provinces surveillent les marchés du travail à l’aide

de simples statistiques et graphiques– Certaines ont mis au point des indicateurs du marché du travail– La plupart rencontrent les représentants d’autres ministères, du

monde de l’industrie et des associations

Les grandes provinces ont généralement des modèles– Ontario : modèles/prévisions des sorties de la vie active– Québec : modèle/système de prévisions détaillé et sophistiqué– Alberta : modèle/système de prévisions ascendant et détaillé


Approches des provinces (suite)

Les petites provinces n’ont pas de modèle

– Absence de modèles et de techniques quantitatives générales

– Dépendent davantage de fournisseurs externes– Conference Board et SPPC– S’appuient davantage sur des techniques qualitatives– Analyse ponctuelle


Facteurs clés influant sur le choix

• But visé• Utilité

– précision– cohérence– transparence– éducation

• Données• Ressources


But visé

Prévisions et analyse de scénarios

Gouvernements • Politiques et planification

– Programmes relatifs au marché du travail et éducation– Horizon : de moyen à long terme– Besoin important de détails

Secteur privé • Planification des ressources humaines

– Horizon : de court à moyen terme


Utilité

• Les prévisions et l’analyse de scénarios visent à réduire l’incertitude quant à l’avenir

• On dit qu’un système de projections ou de prévisions est « utile » s’il réduit l’incertitude quant à l’avenir en-deça de ce qu’elle était avant le recours au système

• Il ne faut pas, bien entendu, voir cette définition sous l’angle de la condition selon laquelle les avantages indirects doivent être égaux ou supérieurs aux coûts engendrés par la mise au point du système et par son utilisation.


Précision

• On parle de précision lorsque les projections se rapprochent des résultats réels (plus les prévisions sont précises, plus elles sont utiles généralement)

• Le degré de précision que permettra d’atteindre une technique de projection dépend de facteurs tels que – l’horizon prévisionnel visé (plus difficile de prévoir à long

terme qu’à court terme)– l’instabilité cyclique des indicateurs économiques à projeter

(dépenses alimentaires ou mises en chantier de logement)

• La précision, en analyse de scénarios, est importante en ce sens que le modèle devrait donner de bons résultats si les hypothèses sont correctes


Cohérence

• L’approche est-elle « cohérente » avec la théorie qui sous-tend le phénomène en question?

• Un modèle est une description du processus (mécanisme de création de données) qui génère les résultats réels du marché du travail

• L’approche doit faire appel à un modèle qui produit des résultats cohérents avec les points de vue des clients sur la question (inutile autrement)

• Étant donné qu’il y a toujours des divergences de points de vue, on peut appliquer le principe du rasoir d’Occam (consensus limité)


Transparence

• La transparence des projections et de la méthode utilisée est importante si l’on espère convaincre les consommateurs des projections (inutiles autrement)

• Pour être transparentes, les projections et la méthode suivie doivent être documentées et présentées de sorte que les utilisateurs des projections saisissent bien le fonctionnement de la méthode, et de quelles hypothèses sont tirées les projections

• Dans ce cas, les analystes pourraient, s’il y a lieu, reproduire les résultats obtenus par d’autres analystes


Éducation

• La prise de décision caractérisée par l’incertitude nécessite une bonne compréhension des questions entourant la décision. Les chiffres ne suffisent pas!

• Quels sont les principales forces motrices derrière les tendances futures du marché du travail?

• Quels sont les risques majeurs associés à la performance future des marchés du travail?

• Un système capable de fournir cette information est utile, surtout lorsqu’il est difficile de faire des prévisions (quand est-ce que ça ne l’est pas?)


Données

• Le type et le montant de données disponibles constituent deux facteurs qui ont une très grande incidence sur la mise au point et l’utilisation d’un système

• Si l’on ne dispose que de peu de données pour constituer les entrées et sorties du modèle désiré, il sera très difficile, voire impossible, de mettre au point un système détaillé

• S’il faut que les analystes créent des estimations des données, alors il faudra d’autres ressources pour mettre au point et utiliser le système de façon permanente

• La plupart d’entre nous, dans le domaine de l’IMT, travaillons avec des données très limitées


Ressources

• Au moment de choisir une approche de projection, les ressources réelles et financières, de même que le temps, dont dispose l’organisme de prévision constituent des facteurs importants

• Plus une approche est complexe et détaillée, plus il faut des ressources pour sa mise au point, son entretien et son utilisation

• Les organismes peuvent se servir de ressources internes ou externes, comme en attestent les actuels organismes de prévision sur le marché du travail


Une idée de processus de mise au point

• Former une équipe chargée de l’IMT– Clients et analystes– Y nommer un expert en IMT (personne ayant l’expérience de la

mise au point de systèmes d’IMT)

• Cerner les besoins et les priorités– De quoi a-t-on besoin en général, et à quoi devrait-on donner la

plus haute priorité?

• Étudier les approches en matière d’IMT• Évaluer les ressources existantes et les besoins en

ressources– Le personnel en place peut-il mettre au point le système?– A-t-on les fonds nécessaires pour embaucher du personnel

supplémentaire ou faire appel à une aide externe?

• Dresser un plan pour une mise au point permanente du système


Un début modeste

• Mettre au point un modèle relativement simple, pas trop détaillé, mais pourtant acceptable en théorie (rasoir d’Occam) pour commencer

• Doit montrer l’utilité du système aux clients le plus vite possible

• Les modèles d’offre nécessitent beaucoup de détails (groupes par âge/par sexe); commencer par quelques professions (140 au lieu de 520)

• Peut recourir à une approche descendante et estimer le changement de la population active totale, certaines composantes laissant un élément résiduel


Expérience du CSC

• Le CSC a commencé à modéliser l’emploi et la main-d’œuvre pour environ 30 professions/métiers

• Les composantes du changement de la main-d’œuvre n’étaient pas explicitement modélisés (modèle de forme réduite), et pas de détail concernant l’âge ou le sexe

• Cette approche répondait suffisamment bien aux besoins initiaux des clients, ce qui les a incités à participer au processus

• Elle a aussi mené au renforcement des capacités chez les analystes et les clients


Modèle relatif à la main-d’œuvre du CSC

Main-d’œuvre possible =

Besoins en terme de métiers/Total des besoins en main-d’œuvre par profession

* Main-d’œuvre totale

Changement sur le plan de la main-d’œuvre =

Cœfficient d’ajustement *(Main-d’œuvre possible – Données sur la main-d’œuvre de l’année précédente)

Cœfficient d’ajustement : reflète le temps requis pour une nouvelle entrée, les sorties et la mobilité (géographique et interprofessionnelle)


Renforcement progressif des capacités

• Une fois que les clients sont familiers avec le processus, ils demandent plus d’information au système

• Les clients cernent les besoins et peuvent ajouter des données au système afin que celui-ci réponde à leurs nouveaux besoins

• Au bout d’un an, les clients du CSC ont su quels autres métiers inclure dans le système, et ont ressenti le besoin d’examiner la demande de main-d’œuvre de remplacement

• Le CSC a réagi en ajoutant de nouveaux métiers, et en mettant au point un modèle susceptible d’expliquer les parts de la demande de main-d’œuvre de remplacement correspondant aux départs en retraite et aux décès


Départs en retraite et décès

Décès (âge, sexe) = Main d’œuvre (âge, sexe)*

Taux de mortalité (âge, sexe)

Départs en retraite (âge, sexe) =

Main d’œuvre (âge, sexe)*Taux de départ en retraite (âge, sexe)


Élaborer une stratégie de modélisation de l’offre par

profession

QUESTIONS

Ernie StokesDirecteur général

©2007 The Centre for Spatial Economics Élaborer une stratégie de modélisation de loffre par...

Documents

Transcript of ©2007 The Centre for Spatial Economics Élaborer une stratégie de modélisation de loffre par...