Académique Documents
Professionnel Documents
Culture Documents
************
Ministère de l’Économie, du Plan et de la Coopération
************
************
Thème
Développement d’un outil de profilage des
demandeurs d’emploi au Sénégal
Rédigé par
Cheikh LO
Elève Ingénieur des Travaux Statistiques
Maitre de stage
Encadreur Académique
M. Thierno Ibrahima
M. Oumar DIOP
BARRY
Enseignant, Ingénieur
Ingénieur Statisticien
Statisticien
Économiste
Juillet 2022
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
AVERTISSEMENT
L’ÉCOLE NATIONALE DE LA STATISTIQUE ET DE L’ANALYSE
ÉCONOMIQUE PIERRE NDIAYE (ENSAE) DE DAKAR ET L’AGENCE
NATIONALE DE LA STATISTIQUE ET DE LA DÉMOGRAPHIE (ANSD)
N’ENTENDENT DONNER AUCUNE APPROBATION NI IMPROBATION AUX
IDÉES ÉMISES DANS CE MÉMOIRE. ELLES SONT PROPRES À L’AUTEUR
ET DOIVENT ÊTRE CONSIDÉRÉES COMME TELLES.
DÉDICACE
A mes chers parents
A toute ma famille.
AVANT - PROPOS
réée en 2008, l’Ecole Nationale de la Statistique et de l’Analyse Economique
C Pierre NDIAYE (ENSAE) est une école à vocation sous régionale à l’image
de l’ENSEA d’Abidjan et de l’ISSEA de Yaoundé. Elle a pour objectif de
combler les besoins en ressources humaines de qualité devant assurer la production,
l’analyse et la diffusion des données statistiques.
Pour assurer la meilleure formation à ses élèves, l’école concilie la théorie et la
pratique, à travers les enquêtes pédagogiques, les travaux pratiques, les stages, etc.
Ceci afin de permettre aux élèves d’être opérationnels dès leurs sorties.
En plus des offres de formations continues en statistique, l’école forme depuis sa
création des Techniciens Supérieurs de la Statistiques (TSS) sur deux ans, des
Ingénieurs des Travaux Statistiques (ITS) sur quatre ans, des Ingénieurs Statisticiens
Economistes (ISE) sur trois ans. Avec les rénovations pédagogiques entreprises
récemment, les filières d’Analystes Statisticiens (AS) sur trois ans et ISE cycle
long sur cinq ans ont été intégrées ainsi qu’un master intitulé Aide à la Décision et
Evaluation des Politiques Publiques (ADEPP).
Les élèves Ingénieurs des Travaux Statistiques effectuent à l’issu de leurs quatre
années de formation, un stage de fin d’études qui a pour principal objet la mise
en pratique de toutes les connaissances acquises. C’est dans ce cadre que j’ai été
accueilli à l’Agence Nationale de la Statistique et de la Démographie, précisément à
la Direction des Statistiques Démographiques et Sociales (DSDS) sur la période
allant du mois d’Avril au mois de Juin 2022. Ce présent document, qui a pour
objectif de présenter les travaux effectués au cours du stage, constitue une étude
sur le thème "Développement d’un outil de profilage des demandeurs
d’emploi au Sénégal".
REMERCIEMENTS
out d’abord, je tiens à exprimer toute ma gratitude à toutes les personnes
RÉSUMÉ
Le chômage de longue durée est un grave problème social qui a des répercutions
durables sur la société. Ce problème peut être abordé par le profilage des demandeurs
d’emploi. Ainsi, l’objectif de cette présente étude consistait à concevoir un outil
de profilage des demandeurs d’emploi au Sénégal. Autrement dit, il s’agissait de
profiler ou d’identifier les demandeurs d’emploi qui ont un risque plus élevé d’être
au chômage pendant au moins 12 mois.
Pour ce faire, les données de cette étude ont été tirées de l’Enquête Nationale sur
l’Emploi au Sénégal (ENES-2019). A cet effet, la démarche adoptée a consisté,
en sus de la revue de littérature et des présentations du cadre conceptuel et
des données, dans un premier temps à faire une analyse descriptive (univariée,
bivariée et ACM). L’objectif recherché dans cette partie est de comprendre les
caractéristiques de notre population d’étude et leurs profils suivant des variables
influençant le chômage de longue durée (12 mois). Dans un deuxième temps, le
profilage des demandeurs d’emploi a été effectué à l’aide du modèle logistique en
utilisant la variable dépendante binaire « chômeur de longue durée » et les variables
indépendantes suivantes : la région, le sexe, la situation matrimoniale, le fait d’être
actuellement à l’école, le fait d’avoir suivi une formation professionnelle ou technique,
la situation d’emploi et le principal obstacle rencontré dans la recherche d’emploi.
Les résultats de cette étude montrent qu’au Sénégal, la proportion des demandeurs
d’emploi touchés par le chômage de longue durée est de 23,07%. Cette proportion
varie selon le sexe, la situation matrimoniale, la région, ou d’autres facteurs. Par
ailleurs, l’étude des facteurs prédictifs du chômage de longue durée des demandeurs
d’emploi, réalisée avec le modèle logistique binaire, permet de retenir que le fait
d’être primo demandeur, le fait d’être de sexe féminin ou d’être marié(e), le fait
de ne pas avoir été à l’école ou d’avoir suivi des formations certifiantes impactent
positivement sur la probabilité de rester au chômage pendant au moins 12 mois.
Cette probabilité est également impactée positivement par le fait d’être jugé trop
jeune ou trop âgé ou de ne pas avoir de qualification pour l’emploi désiré, le manque
d’expérience professionnelle et le fait d’être résident des régions de Fatick, Kédougou,
Kaolack et Tambacounda.
ABSTRACT
Long-term unemployment is a serious social problem with sustainable repercussions
on society. This problem can be handled by profiling job seekers. Thus, the objective
of this study was to make a profiling tool for job seekers in Senegal. In other words,
it was to profile or identify job seekers who have a higher risk of being unemployed
for at least 12 months.
To do this, the data for this study were taken from the National Employment Survey
in Senegal (ENES-2019). To this end, the approach adopted consisted, in addition
to the literature review and the presentations of the conceptual framework and the
data, first of all in carrying out a descriptive analysis ( univariate , bivariate and
ACM). The objective sought in this part is to understand the characteristics of our
study population and their profiles according to variables influencing long-term
unemployment (12 months). In a second step, the profiling of job seekers was
carried out using the logistic model using the binary dependent variable "long-term
unemployed" and the following independent variables : region, gender, marital status,
the fact of being currently in school, the fact of having followed a vocational or
technical training, the employment situation and the main obstacle encountered in
seeking employment.
The results of this study show that in Senegal, the proportion of job seekers affected
by long-term unemployment is 23.07%. This proportion varies by gender, marital
status, region, or other factors. In addition, the study of the predictive factors of
long-term unemployment among job seekers, carried out with the binary logistic
model, makes it possible to retain that the fact of being a first-time applicant,
the fact of being female or being married, not having been to school or having
taken certification training have a positive impact on the probability of remaining
unemployed for at least 12 months. This probability is also positively impacted by
the fact of being considered too young or too old or of not having any qualifications
for the desired job, the lack of professional experience and the fact of being a
resident of the regions of Fatick, Kédougou , Kaolack and Tambacounda.
AVERTISSEMENT i
DÉDICACE ii
REMERCIEMENTS iv
RÉSUMÉ v
SOMMAIRE viii
SIGLES ET ABRÉVIATIONS xi
INTRODUCTION GÉNÉRALE 1
vii
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
CONCLUSION 44
BIBLIOGRAPHIE 46
ANNEXES 49
ix
Liste des tableaux
3.1 Répartition (%) des demandeurs d’emploi par région selon le niveau d’édu-
cation . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 27
3.2 Comportement de recherche d’emploi des demandeurs d’emploi . . . . . . . 31
3.3 Répartition des demandeurs d’emploi touchés ou non par le chômage de
longue durée selon certaines caractéristiques . . . . . . . . . . . . . . . . . 33
3.4 Positionnement des modalités ayant contribué à la formation des 2 premiers
axes . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . . 35
3.5 Résultats du modèle logistique (ENES-2019, calculs de l’auteur) . . . . . . 40
3.6 : Matrice de confusion du modèle de régression logistique . . . . . . . . . . 41
3.7 Répartition des ménages et des DR à enquêter par trimestre . . . . . . . . 50
3.8 Répartition des ménages et des DR à enquêter par année . . . . . . . . . . 51
3.9 Dictionnaire des abrégés utilisés dans la représentation du 1er plan factoriel 54
x
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
SIGLES ET ABREVIATIONS
INTRODUCTION GÉNÉRALE
L’emploi est la pierre angulaire du développement et a un impact bien au-delà des
revenus qu’il procure au travailleur. Il est essentiel à la réduction de la pauvreté
et au fonctionnement des pays (Banque Mondiale, 2012). Ainsi, pour relever les
indicateurs sociaux, les pays sont confrontés à de nombreux défis, l’un d’entre eux
étant le problème du chômage. Ce dernier demeure de nos jours l’un des principaux
défis des pays même s’il est plus critique dans ceux en voie de développement en
raison de l’incidence de la pauvreté élevée qui oblige tout le monde à travailler pour
assurer leur survie (Organisation internationale du travail (OIT), 2011).
Le chômage de longue durée est devenu une menace pour la stabilité sociale, écono-
mique et politique dans la plupart des pays en voie de développement. Socialement, le
chômage ne concerne pas seulement les chômeurs mais aussi l’ensemble de la société.
La plupart des personnes s’attendent à trouver un emploi, surtout après l’obten-
tion de leur diplôme. L’incapacité à trouver un emploi entraîne une démoralisation,
une dépréciation de leur capital humain et une détérioration de leurs perspectives
d’emploi, ce qui pourrait conduire à l’exclusion sociale (Clark et Summers, 1982).
Sur le plan économique, le chômage a entraîné l’instabilité du marché du travail,
l’augmentation du coût de la vie, l’érosion de l’assiette fiscale et des investissements
inutilisés dans l’éducation et la formation (OIT, 2011). Politiquement, selon Keen
(2002), de nombreuses études soutiennent que le chômage est la principale cause de
l’instabilité politique et des conflits dans un pays.
En Afrique de l’ouest, la durée du chômage est longue puisqu’elle atteint en moyenne
près de trois ans et demi, soit 41 mois (Philippe De Vreyer, 2017). Cette durée
moyenne du chômage atteint son maximum à RD Congo avec plus de 5 ans, soit 66
mois. Ces chiffres doivent plus être interprétés comme la durée pendant laquelle les
chômeurs n’ont pas eu accès à un « véritable » emploi que comme la véritable durée
du chômage, pendant laquelle les individus n’auraient pas exercé la moindre activité,
même la plus marginale.
Le Sénégal, pour sa part, est très touché par la question du chômage de longue
durée. Certes, des efforts ont été consentis pour lutter contre le chômage, mais la
situation reste toujours persistante. En effet, les chômeurs sénégalais attendent en
moyenne 4 années avant de trouver un emploi (Philippe De Vreyer, 2017). Le taux
de chômage (personnes âgées de 15 ans et plus) est aussi élevé. En effet, selon l’OIT
en 2015, le taux de chômage au Sénégal est supérieur au taux de chômage mondial,
soit 6,8% contre 5,6%. Cette situation, malgré les efforts consentis, semble démontrer
le manque d’efficacité des méthodes employées par l’Etat pour intervenir dans le
secteur de l’emploi. La littérature a montré que ces méthodes n’ont jamais fait appel
ý dresser le profil des demandeurs d’emploi qui ont perduré dans le chômage
selon certaines caractéristiques ;
Intérêt de l’étude
Cette étude aura un double intérêt : un intérêt politique et un intérêt scientifique.
Du point de vue politique, elle permettra, parallèlement à la politique de l’emploi,
d’avoir un aperçu sur le profil des demandeurs d’emploi au Sénégal. En effet, il
conviendra de développer un outil adéquat à un accompagnement des chômeurs de
longue durée en fonction de leurs profils. Aussi, elle permettra de faire un traitement
préventif du chômage réservé aux plus vulnérables. Par ailleurs, pour limiter les coûts
encourus par l’Etat sénégalais pour l’accompagnement des demandeurs d’emploi, les
décideurs peuvent se servir de l’outil de profilage pour faciliter leur retour à l’emploi.
Dans le volet scientifique, vu que les études de profilage des demandeurs d’emploi
ne sont pas encore très développées dans les pays en développement à la lumière de
nos informations, cette étude pourrait servir de base pour des recherches ultérieures
dans ce domaine.
Hypothèses de recherche
Ainsi, nous postulons les hypothèses de recherche suivantes :
Plan de travail
Pour atteindre l’objectif général cité ci-dessus et confirmer ou infirmer les hypothèses
de recherche, nous avons structuré le document en trois grandes parties. La première
partie de ce mémoire va traiter la définition des concepts et la revue de littérature.
Ensuite, la deuxième partie portera sur la présentation des données et la méthodologie.
La dernière partie traitera, quant à elle, les résultats obtenus d’une part, de l’analyse
descriptive et d’autre part, de l’analyse explicative afin d’estimer le risque de chômage
de longue durée des demandeurs d’emploi.
a. Recherche premier emploi
Dans ce chapitre, il est posé principalement les bases théoriques et empiriques qui
sous-tendent la présente étude.
4
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
û avoir effectué, au cours des quatre dernières semaines, une démarche active de
recherche d’emploi (réponse à une petite annonce, inscription dans une agence
d’intérim, etc.) ou avoir trouvé un emploi qui commence dans moins de trois mois ;
Dans cette étude, la définition des demandeurs d’emploi est restreinte à celle des chômeurs
donnée ci-dessus. En conséquence, la population des demandeurs d’emploi et celle des
chômeurs sont confondues.
Le principe du profilage des demandeurs d’emploi est né aux États-Unis au début des
années 1980 avec l’augmentation rapide du chômage de longue durée. En effet, la part
des chômeurs de longue durée (plus de six mois de chômage) est passée de 10,7% en
1980 à 23,9% en 1983 (Nathalie George, 2007). Ce constat a favorisé l’utilisation d’une
approche qui diffère des politiques traditionnelles de l’emploi. Il est apparu en effet que les
demandeurs d’emploi qui étaient victimes du chômage de longue durée présentaient une
employabilité 1 particulièrement faible par rapport aux chômeurs de courte durée. Il a été
constaté aussi que cette employabilité faible était en partie expliquée par la récurrence
de certaines de leurs caractéristiques individuelles qui semblaient les défavoriser sur le
marché du travail. Ainsi, de nombreuses réflexions visant à prévenir l’enfoncement dans le
chômage de longue durée ont conduit à développer l’idée du profilage comme technique de
détection des demandeurs d’emploi les plus défavorisés.
Les Etats-Unis ont commencé à développer un outil de calcul de risque de chômage de
longue durée à la suite de la crise économique du début des années 1990. Opérationnel dès
1994, le profilage américain a servi de modèle d’abord aux pays anglo-saxons (Australie
1994, Royaume-Uni 1994, Canada 1994, etc.). Ensuite, les pays d’Europe continentale
se sont progressivement tournés vers ce type d’approche (Pays-Bas 1999, Danemark
2004, Allemagne 2005, France 2006, etc.). De plus, il y’a d’autres pays où il est en cours
d’expérimentation. C’est le cas de la Tunisie, Slovaquie, Suède, Suisse, etc.
Un grand nombre d’approches de profilage a été utilisé dans la littérature. Ces approches
peuvent être catégorisées en trois types : le modèle d’expertise, le modèle de sélection et les
modèles statistiques. Cette typologie est celle proposée par le rapport 2 de PLS RAMBOL
MANAGEMENT (2001). Elle permet de recenser toutes les méthodes de segmentation
des demandeurs d’emploi. Nous discutons ci-après de ces différents types de modèles mais
1. Capacité d’une personne à obtenir un nouveau travail
2. Rapport pour la Commission européenne
nous nous concentrons plus sur les modèles de profilage statistique. Ce sont ces derniers
qui seront utilisés dans ce mémoire.
Modèle d’expertise
Le modèle dit d’expertise (assessment by counsellor) repose sur le seul jugement d’un
conseiller du service public de l’emploi (SPE). Ce dernier reçoit en entretien le demandeur
d’emploi et tente d’évaluer sa position sur le marché du travail et ses perspectives de
retour à l’emploi. C’est au conseiller que revient la décision d’un potentiel accompagne-
ment du chômeur. Cette méthode est utilisée par les pays comme Estonie, Allemagne,
Grèce, Luxembourg, Slovénie et la Suisse. L’avantage de ce modèle de profilage est la
possibilité de prise en compte de caractéristiques non modélisables du demandeur d’emploi
(comportement, motivation, présentation de soi, etc.) ainsi que son interactivité. Mais cette
méthode est aussi très coûteuse, puisqu’elle mobilise des moyens humains conséquents,
surtout en période de chômage de masse. De plus, elle est subjective du moment où le sort
du demandeur d’emploi dépend du jugement du conseiller.
Modèle de sélection
Le modèle dit de sélection (group screening) permet de déterminer le risque de chômage de
longue durée du demandeur d’emploi à partir de son appartenance objective à un groupe
préalablement identifié comme « à risque » (par exemple les jeunes, les non-qualifiés, etc.).
Cette méthode utilise des critères d’éligibilité, tels que l’âge des demandeurs d’emploi, le
niveau d’études et/ou la durée du chômage pour classer les demandeurs d’emploi dans des
groupes. Ne sont donc prises en compte que quelques caractéristiques clés du chômeur,
considérées comme déterminantes du chômage de longue durée. Le choix des critères
d’éligibilité se fait souvent en fonction des caractéristiques des groupes présentant un
risque plus élevé de devenir chômeur de longue durée mais ce n’est pas nécessairement
toujours le cas. Par exemple, à formation égale, un jeune demandeur d’emploi en Flandre 3 a
plus de chances de trouver un emploi qu’un demandeur d’emploi âgé de 55 ans. Néanmoins,
le premier a plus de chance d’être accompagné par un SPE que le second. Cela montre
que les critères d’éligibilité ne sont pas seulement sélectionnés pour se concentrer sur
les groupes vulnérables, mais sont également déterminés par les réalités politiques et les
priorités politiques.
Modèles statistiques
La plupart des modèles de profilage statistique prédisent la probabilité qu’un demandeur
d’emploi devienne un chômeur de longue durée. Pour arriver à cela, les pays collectent
différents types de données auprès des demandeurs d’emploi. L’utilité des modèles de
profilage statistique dépend de la précision du modèle. Une bonne précision ne peut être
obtenue qu’avec des données riches et grâce à des mises à jour régulières des modèles
(OCDE, 2018). Ces dernières années, un certain nombre de pays ont exploré de nouvelles
3. Région en Belgique
Table 1.1 – Caractéristiques des modèles de profilage statistique dans certains pays
Les informations sur les demandeurs d’emploi, c’est-à-dire les données collectées, sont
traduites par un modèle statistique en une probabilité de devenir chômeur de longue
durée. La régression logistique est la technique la plus couramment utilisée pour construire
des modèles de profilage statistique (OCDE, 2018). Des recherches empiriques menées
par la direction du travail et des pensions au Royaume-Uni ont montré que la précision
du modèle n’est pas très sensible au choix du modèle statistique utilisé (Matty, 2013).
En d’autres termes, les méthodes statistiques traditionnelles telles que les régressions
logistiques peuvent aussi être précises que l’apprentissage automatique.
En général, on distingue quatre types de variables d’entrée pour les modèles de profilage
statistique (Scarpetta, 2012). Ces types de variables sont :
ß la motivation à chercher ou à accepter un nouvel emploi qui peut être captée à travers
des données sur le comportement de recherche d’emploi, les attentes en matière de
rémunération, le montant des allocations de chômage reçues, etc.
ß la préparation (ou la capacité) à l’emploi qui peut être obtenue à travers le niveau
d’éducation, les compétences, l’expérience de travail, les problèmes de santé, etc.
ß les opportunités qui sont récupérées par le biais des informations sur le marché du
travail comme les taux de chômage, les postes vacants, etc.
d’un outil de profilage pour lutter contre le chômage. Il a été constaté que chaque pays
adopte un style unique de développement d’un système de profilage basé sur certaines
caractéristiques des demandeurs d’emploi et parfois sur des informations du marché du
travail pour la prise de décision dans ce pays.
13
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
þ mesurer le chômage et l’emploi, identifier les secteurs d’activités à plus forte capacité
de création d’emplois ;
à estimer annuellement les principaux indicateurs jusqu’au niveau régional sur l’activité,
l’emploi et le chômage avec une marge d’erreur acceptable.
Q deux points ont des profils proches lorsqu’ils sont proches l’un de l’autre sur les axes
factoriels et les plans qu’ils déterminent ;
Q les corrélations sont au contraire, d’autant plus faibles que les points variables
projetés sont éloignés les uns des autres.
Avec :
Q : ensemble des variables qualitatives
Jq : nombre de modalités de la variable q
G : centre de gravité
d2 (j, G) : distance de la modalité j au centre de gravité G
Ga (j, q ) : coordonnée de la modalité j de la variable q sur l’axe a
] Spécification
La régression logistique peut être modélisée comme suit :
p
Log ( 1−p ) = b0 + b1 X1 + b2 X2 + ... + bn Xn .
eZ
p= 1+eZ
] Estimation
Plusieurs méthodes d’estimations sont envisageables, mais la plus utilisée est celle
du maximum du maximum de vraisemblance.
Pour un échantillon de taille N , la vraisemblance est donnée par :
QN y i (1 − F (x 1−y i
L(y, β ) = i = 1 F ( xi β ) i β ))
β̂ = Argmaxβ i [LogL(y, β )]
Dans la présente étude, la régression logistique est estimée sur l’ensemble des individus de
l’échantillon (672 demandeurs d’emploi) pour prédire la probabilité de devenir chômeur de
longue durée (12 mois). Cette variable de résultat est indiquée par 1 lorsque la personne a
été au chômage depuis au moins 12 mois et 0 sinon.
On peut ensuite normaliser ces résultats de manière que, pour un nouvel individu, on
ait un score variant entre 0 et 100 (Score(Z ) × 100). Ensuite, on fixe le seuil de ce score
à 50 (la moitié) pour prédire la position théorique de cet individu sur le marché du
travail. Autrement dit, on utilise ce calibrage pour connaitre si un demandeur d’emploi
est susceptible de devenir chômeur de longue durée (score supérieur ou égal 50) ou non
(score strictement inférieur à 50) en entrant dans une application scoring ses propres
caractéristiques individuelles.
Premièrement, il s’agit de faire une analyse descriptive afin de mieux comprendre les
caractéristiques de notre échantillon. Dans la deuxième partie, Il s’agira de chercher
l’existence d’une relation entre la variable dépendante de l’étude « chômeur de longue
durée » et les variables indépendantes. La mesure des associations se fera à partir du test
basé sur la statistique du Khi-deux. Dans cette partie, seules les variables ayant un lien
significatif avec la variable d’étude (P-value (Khi2) ≤ 5%) seront présentées. Ensuite, les
résultats concernant l’Analyse des Correspondances Multiples (ACM) seront présentés
afin d’avoir une idée sur le profil des demandeurs d’emploi touchés ou non par le chômage
de longue durée selon certaines caractéristiques. Enfin, une modélisation logistique sera
faite pour voir les facteurs qui influencent les demandeurs d’emploi à perdurer dans le
chômage avant de présenter l’application de profilage.
22
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
Figure 3.2 – Répartition des demandeurs d’emploi par région selon la situation matrimo-
niale
Par ailleurs, les résultats de l’ENES montrent une légère prédominance des demandeurs
d’emploi vivant dans des ménages de situation financière moyennement aisée (49%) par
rapport aux demandeurs d’emploi vivant dans des ménages de situation financière difficile
(45%). La population d’étude n’est constituée que 6% de demandeurs d’emploi vivant dans
des ménages de situation financière aisée.
Figure 3.3 – Répartition des demandeurs d’emploi selon la situation financière du ménage
Table 3.1 – Répartition (%) des demandeurs d’emploi par région selon le niveau d’éduca-
tion
L’analyse de la répartition des demandeurs d’emploi par sexe selon le niveau d’éducation
montre que la majorité des femmes (34,7%) n’ont pas fait des études et ce n’est que 14,3%
des femmes qui ont atteint le niveau de l’enseignement supérieur. En revanche, la plupart
des hommes (32%) ont le niveau secondaire et 21,6% ont un niveau d’étude supérieur chez
les hommes.
Figure 3.4 – Répartition des demandeurs d’emploi selon le niveau d’éducation par sexe
Par ailleurs, les résultats de l’ENES montrent que dans l’ensemble, les demandeurs d’emploi
qui ont déjà eu à travailler (57,9%) sont plus nombreux que les primo demandeurs c’est-à-
dire les personnes qui cherchent pour la première fois un emploi (42,1%). Cette inégalité se
reflète chez les hommes aussi bien chez les femmes où les proportions des primo demandeurs
sont moins importantes (figure 3.6).
Figure 3.6 – Répartition des demandeurs d’emploi selon la situation d’emploi par sexe
Au cours de l’ENES, les demandeurs d’emploi ont été questionnés sur l’obstacle majeur
auquel ils ont dû faire face dans la recherche d’emploi. Ainsi, plus de la moitié de ces
demandeurs d’emploi (51,6%) ont déclaré que leur principal problème était le manque
d’emplois disponibles dans le marché du travail. De plus, les proportions de demandeurs
d’emploi qui ont déclaré rencontrer principalement des obstacles liés à leur manque d’expé-
rience professionnelle et aux mauvaises conditions de travail dans les emplois disponibles
sont respectivement 6% et 5,1%.
Il convient aussi de signaler que 20,8% des demandeurs d’emploi ont affirmé ne pas ren-
contrer de problème particulier quant à la recherche d’emploi.
Figure 3.7 – Répartition des demandeurs d’emploi suivant le principal obstacle rencontré
dans la recherche d’emploi
Au Sénégal, le nombre moyen des entretiens des demandeurs d’emploi reste faible (0,19).
En général, le nombre d’entretiens maximum effectué par les demandeurs d’emploi durant
les 3 derniers mois précédant l’enquête est de 12 (tableau 3.2).
Au cours de l’ENES, il a été l’objet aussi d’appréhender les attentes en matière de salaire
des demandeurs d’emploi. En effet, ces derniers décident parfois ou souvent de ne pas
travailler si le salaire qu’on leur propose est en deçà d’un minimum (leur salaire de réserve)
qu’ils estiment mériter du fait de leur qualification.
Il ressort des résultats de la figure 3.8 que 11,2% des demandeurs d’emploi refuseraient de
travailler si le salaire qu’on leur propose est en dessous de leurs salaires de réserve. De
plus, 8,8% des demandeurs d’emploi ont déclaré refuser au moins une fois une proposition
d’emploi.
Table 3.3 – Répartition des demandeurs d’emploi touchés ou non par le chômage de
longue durée selon certaines caractéristiques
Table 3.4 – Positionnement des modalités ayant contribué à la formation des 2 premiers
axes
Axe 1 Axe 2
Contribution Contribution Contribution Contribution
positive négative positive négative
Formation_diplomante Formation_tas Feminin Masculin
Pas_d_enfant Oui_avoir_enfant Non_vivre_con Non_seuil_salair
Non_mariee Mariee - -
Niv_sup Pas_education - -
Perte_emploi_preced Primo_demandeur - -
Oui_actu_ecole sit_difficile - -
Source : ENES-2019, calculs propres de l’auteur
¨ Interprétation de l’axe 2
Les points-modalités, Féminin, Non vivre continue (Ne pas vivre de manière continue
dans sa localité) ont contribué à la formation de l’axe 2 dans sa partie positive tandis
que les points-modalités, Masculin, Non seuil salaire (Pas de salaire de réserve) ont
contribué à la formation du même axe dans sa partie négative. Cet axe met en
opposition deux groupes de demandeurs d’emploi : le premier groupe est représenté
par les demandeurs d’emploi de sexe féminin et ne vivant pas de manière continue
(depuis au moins 6 mois) dans leur localité.
Par contre, le deuxième groupe est constitué de demandeurs d’emploi n’ayant pas de
salaire de réserve et de sexe masculin.
Quant au groupe n’ayant pas été touché par le chômage de longue durée, il est
représenté généralement par des demandeurs d’emploi célibataires, de sexe masculin et
n’ayant pas eu d’enfants. Ces demandeurs d’emploi, de niveau d’éducation supérieur,
ont suivi des formations diplomantes et étaient à l’école au moment de l’enquête. De
plus, ils ont déjà eu à travailler et n’ont pas de salaires de réserve.
Ceci est en adéquation avec les résultats trouvés par Connell et al. (2012) dans le cadre de
la conception du modèle de profilage de l’Irlande.
Le fait d’être à l’école au moment de l’enquête influence aussi significativement au seuil de
10% la probabilité de devenir chômeur de longue durée. En effet, les demandeurs d’emploi
qui n’ont pas été à l’école sont 2,56 fois plus susceptibles de rester dans le chômage pendant
au moins 12 mois que ceux qui étaient à l’école durant la période de l’enquête. De plus, par
rapport aux demandeurs d’emploi ayant suivi des formations diplomantes, les demandeurs
d’emploi qui n’ont pas fait de formations et ceux ayant suivi des formations certifiantes
sont respectivement 2,09 et 3,56 fois plus susceptibles d’être au chômage pendant au
moins 12 mois au seuil de 5%. Ce dernier résultat montre que le manque de formation
professionnelle ou technique, ou même une autre formation qualifiante est un obstacle
important à une participation réussie au marché du travail.
Les résultats de l’estimation montrent que le chômage de longue durée est aussi influencé
par la situation d’emploi des demandeurs d’emploi. Ainsi, les demandeurs d’emploi qui ont
déjà eu à travailler sont 1,78 fois (1/0,56 = 1,78) moins risqués de devenir des chômeurs
de longue durée par rapport aux primo demandeurs au seuil de 1%. Ce résultat a été
auparavant montré par Koen et al. en 2013.
L’obstacle majeur auquel les demandeurs d’emploi ont dû faire face s’est également avéré
un important prédicteur du chômage de longue durée. En effet, les demandeur d’emploi qui
ont rencontré principalement des obstacles tels que le manque d’expérience professionnelle,
le fait d’être jugé trop jeune ou trop âgé et le fait de ne pas avoir de qualification pour
l’emploi désiré sont plus susceptibles de perdurer dans le chômage comparativement à
ceux qui n’ont pas rencontré un problème particulier dans la recherche d’emploi.
] Vrais positifs ou TP (true positive) : les personnes qui sont réellement des chômeurs
de longue durée et correctement prédites comme des chômeurs de longue durée.
] Vrais négatifs ou TN (true negative) : les personnes qui ne sont pas réellement des
chômeurs de longue durée et correctement prédites comme n’étant pas des chômeurs
de longue durée.
] Faux positifs ou FP (false positive) : les personnes qui sont, en fait, des chômeurs
de longue durée et prédites à tort comme n’étant pas des chômeurs de longue durée.
] Faux négatifs ou FN (false negative) : les personnes qui ne sont pas réellement des
chômeurs de longue durée et prédites à tort comme des chômeurs de longue durée.
Dans la matrice de confusion ci-dessous, 0 indique que la personne n’est pas au chômage
de longue durée tandis que 1 indique que la personne est au chômage de longue durée.
Matrice de Prédiction
confusion 0 1
0 460 (TP) 37 (FN)
Vrai valeur
1 57 (FP) 118 (TN)
Source : ENES-2019, calculs propres de l’auteur
En faisant le rapport entre la somme des faux positifs (FP) et des faux négatifs (FN) sur
la somme total (672), nous obtenons un taux d’erreur de 13,99%, soit un taux de bonne
prédiction de 86,01%. Ce qui montre que le modèle estimé est performant pour séparer la
population d’étude suivant la variable d’intérêt.
1. Application web désigne une application hébergée sur un serveur et accessible via un navigateur web
Après avoir renseigné le formulaire, on clique sur le bouton « Prédiction » pour obtenir le
score du demandeur d’emploi concerné. Le score, variant entre 0 et 100, indique le risque
de devenir chômeur de longue durée (voir partie méthodologie pour la méthode de calcul).
Cet indicateur est alors utilisé par les services publics de l’emploi pour déterminer les
demandeurs d’emploi les plus défavorisés en leur fournissant des services pour améliorer
leurs chances de trouver un emploi. En ce qui nous concerne ici, un demandeur d’emploi
avec un score supérieur ou égal à 50 est considéré comme à haut risque de devenir chômeur
de longue et dans le cas contraire, il est à faible risque de perdurer dans le chômage.
CONCLUSION
La présente étude avait pour objectif de mettre en place un outil de profilage des
demandeurs d’emploi au Sénégal. Il s’agissait de profiler ou d’identifier les demandeurs
d’emploi qui ont un risque plus élevé d’être au chômage de longue durée (12 mois).
Pour réaliser cela, les données de l’Enquête Nationale sur l’Emploi au Sénégal (ENES-
2019) ont été utilisées.
Les résultats montrent que la proportion des demandeurs d’emploi touchés par le
chômage de longue durée est de 23,07%. Cette proportion varie selon le sexe, la
situation matrimoniale, la région, ou d’autres facteurs. Par ailleurs, l’étude des
facteurs prédictifs du chômage de longue durée des demandeurs d’emploi, réalisée
avec le modèle logistique binaire, donne un impact statistiquement significatif des
variables suivantes : la région, le sexe, la situation matrimoniale, le fait d’être
actuellement à l’école, le fait d’avoir suivi une formation professionnelle ou technique,
la situation d’emploi et le principal obstacle rencontré dans la recherche d’emploi.
Ainsi, on retient que le fait d’être primo demandeur, le fait d’être de sexe féminin ou
d’être marié(e), le fait de ne pas avoir été à l’école ou d’avoir suivi des formations
certifiantes impactent positivement sur la probabilité de rester au chômage pendant
au moins 12 mois. Cette probabilité est également impactée positivement par le fait
d’être jugé trop jeune ou trop âgé ou de ne pas avoir de qualification pour l’emploi
désiré, le manque d’expérience professionnelle et le fait d’être résident des régions de
Fatick, Kédougou, Kaolack et Tambacounda.
Toutefois, cette étude consistant à développer un outil de profilage présente un
certain nombre de limites :
ú Les données utilisées dans cette étude datent de 2019. Comme ces données
représentent le passé, elles ne pourraient pas être une source fiable pour
comprendre le présent et prédire l’avenir.
ú L’étude est faite sur un échantillon assez faible qui peut ne pas être forcément
représentatif de notre population d’étude. Cela peut entrainer des problèmes
liés à la précision du modèle qui pourrait classer certains demandeurs d’emploi
à tort comme à haut ou à faible risque de rester au chômage pendant au moins
12 mois.
mesures d’accompagnement doivent surtout cibler les femmes, les personnes trop
jeunes et celles trop âgées, habituellement victimes des pratiques discriminatoires ou
de certains préjugés face à l’accès à l’emploi, pour faciliter ainsi leur insertion dans
le marché du travail.
DELAUTRE G., GEORGES N. (2007), « De l’utilité d’un outil de profilage des demandeurs
d’emploi. Comparaison de trois expériences européennes », L’Essentiel no 10, Observatoire
de l’ANPE, février.
EBERTS R., O’LEARY C. (2003), "A New WPRS Profiling Model for Michigan", Upjohn
Institute Staff Working.
EBERTS R., O’LEARY R., WANDNER S. (2002), Targeting Employment Services, Kala-
mazoo, MI : W.E. Upjohn Institute for Employment Research.
BERGER M., BLACK D., NOEL B., SMITH J. (2003), "Is the Threat of Reemployment
Services More Effective than the Services Themselves ? Evidence from Random Assign-
ment in the UI System, Experimental Evidence from the UI System", American Economic
Review 94.
46
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
BERGER M., BLACK J., SMITH J. (2001), “Evaluating Profiling as a Means of Allocating
Government Services”, mimeo.
BLACK D., PLESCA M., SHANNON S., SMITH J. (2003), Profiling UI Claimants to
Allocate Reemployment Services : Evidence and Recommendations for States, Final
Report.
BUNT S., Van PIJKEREN R., BOUWMEESTER J. (2000) "De Kansmeter. Een evaluatie
ten behœve van de verdere ontwikkeling van het instrument", Den Haag : min SZW.
Arni, P., M. Caliendo, S. Künn, and R. Mahlstedt (2014), "Predicting the Risk of Long-
Term Unemployment : What can we learn from Personality Traits, Beliefs and other
Behavioral Variables", Working Paper.
Barnes, S-A., Wright, S., Irving, P., Deganis, I. (2015), "Identification of latest trends and
current developments in methods to profile jobseekers in European public employment
services". Final report, Brussels : Directorate-General for Employment, Social Affairs and
Inclusion. European Commission.
OECD (2018), "Profiling tools for early identification of jobseekers who need extra support".
Policy Brief on Activation Policies, OECD Publishing, Paris.
Trumm, E. (2018), "Profiling the Unemployed on the Registry Data of the Estonian
Unemployment Insurance Fund". Faculty of Social Sciences, University of Tartu.
Weber, T., (2011), "Profiling systems for effective labour market integration". Thematic
Synthesis Paper. European Commission. Directorate-General for Employment, Social
Affairs and Inclusion.
DENNY, K., C. HARMON and P. O’CONNELL, 2000. Investing in People : The Labour
Market Impact of Human Resource Interventions Funded by the Structural Funds. Dublin :
ESRI Policy Research Series.
49
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
Table 3.9 – Dictionnaire des abrégés utilisés dans la représentation du 1er plan factoriel
Variables Abrégés
Sexe b3
Masculin Masculin
Féminin Feminin
Avoir suivi une formation b38
Oui, formation diplomante Formation_diplomante
Oui, formation certifiante Formation_certifiante
Oui, formation sur le tas Formation_tas
Non aucune aucune
Avoir au moins un enfant avoir_enfant
Oui Oui_avoir_enfant
Non Pas_d_enfant
Situation matrimoniale sit_mat
Marié(e) Mariee
Non marié(e) Non_mariee
Niveau d’éducation niv_edu
Aucun Pas_education
Elémentaire Niv_elementaire
Secondaire Niv_secondaire
Supérieur Niv_sup
Situation d’emploi primo
Primo demandeur Primo_demandeur
Perte de l’emploi précédent Perte_emploi_preced
Situation financière du ménage sit_men
Aisée aisee
Moyennement Aisée moyennemen_aisee
situation difficile sit_difficile
Etre actuellement à l’école b29
Oui Oui_actu_ecole
Non Non_actu_ecole
Avoir salaire de réserve g23a
Oui Oui_seuil_salair
Non Non_seuil_salair
Vivre continue dans sa localité vivre
Oui oui_vivre_con
Non Non_vivre_con
Refuser une proposition d’emploi g21
Oui Oui_refus_emp
Non Non_refus_emp
AVERTISSEMENT i
DÉDICACE ii
REMERCIEMENTS iv
RÉSUMÉ v
SOMMAIRE viii
SIGLES ET ABRÉVIATIONS xi
INTRODUCTION GÉNÉRALE 1
57
Développement d’un outil de profilage des demandeurs d’emploi au Sénégal
CONCLUSION 44
BIBLIOGRAPHIE 46
ANNEXES 49