Un vrai document à critiquer

La statistique à deux variables ne sert pas qu’à des courbes : elle sert à trancher des débats de société avec des chiffres. Voici une étude belge récente.

Exemple 4.2 — tester la discrimination à l’embauche

Pour mesurer la discrimination, des chercheurs ont utilisé le testing par correspondance : ils envoient à de vraies offres d’emploi des paires de candidatures identiques (mêmes diplômes, même expérience), qui ne diffèrent que par un détail — ici, l’origine suggérée par le nom — puis comparent les taux de réponse positive.

À Bruxelles, \(864\) candidatures (\(432\) paires) ont été envoyées entre avril 2023 et février 2024. Résultats :

• taux de réponse positive global : \(36 \%\) ;
• un candidat d’origine marocaine (hors UE) reçoit \(9{,}5\) points de pourcentage de réponses positives en moins qu’un candidat d’origine belge, à CV identique ;
• un candidat d’origine polonaise (UE) : aucune discrimination détectée.

Source : I. Tobback, M. Barslund, S. Baert & P.-P. Verhaeghe, Discrimination sur le marché du travail bruxellois, Service public régional de Bruxelles, 2024.

Propriété 4.1 — quand la corrélation devient une cause

Un simple nuage ne prouve pas la causalité (chapitre 3). Mais un testing est une expérience : comme les deux CV sont identiques et que seule l’origine change, il n’y a plus de variable cachée possible. La différence observée peut alors être attribuée à l’origine. C’est la force d’une expérience bien construite sur une simple observation.

Activité 4.2 — lire l’étude en citoyen

1. Que signifie concrètement « \(9{,}5\) points de pourcentage en moins » ?

À candidature strictement identique, sur \(100\) envois, un candidat d’origine marocaine reçoit environ \(9{,}5\) réponses positives de moins qu’un candidat d’origine belge. L’origine, seule différence, en est donc la cause.

2. Pourquoi peut-on ici parler de cause, alors qu’un nuage ne le permettrait pas ?

Parce que tout le reste est tenu identique : c’est une expérience contrôlée, pas une simple observation. La variable « origine » est isolée, donc aucune variable cachée n’explique l’écart.

3. Quelles limites garderais-tu en tête avant de généraliser ?

L’étude porte sur certains secteurs, sur la région bruxelloise et sur une période donnée ; elle ne mesure que le premier tri des candidatures, pas toute la carrière. Les chiffres restent valables pour cet échantillon.