Sur le marché de l’emploi, les systèmes d’appariement rapprochent offres d’emploi et demandeurs d’emploi en essayant de trouver le plus grand nombre de correspondances possibles entre les caractéristiques des offres proposées et celles recherchées : le type de contrat, la durée du contrat, les compétences et le niveau de qualification, ou encore la localisation du poste à pourvoir. Dans le même temps, la qualité de l’appariement a des conséquences directes sur la durée de la recherche d’emploi et sur la durabilité de l’emploi retrouvé. En effet, si la correspondance est parfaite, il est probable que le demandeur d’emploi soit satisfait par son nouvel emploi, tandis que si l’appariement n’est que partiel, il est vraisemblable qu’il sera amené à reconduire ses recherches.
Ce projet se propose de tester l’efficacité sur le retour à l’emploi de recommandations prenant en compte les préférences explicites des demandeurs quant aux critères d’une offre d’emploi qui importent le plus pour eux.
La prise en compte des préférences individuelles conduit-elle à proposer des offres différentes ?
Effectuer des rapprochements davantage personnalisés permet-il un meilleur appariement et un retour à l’emploi plus durable ?
Cadre et objectifs
Pôle emploi utilise actuellement un Système De Rapprochement (SDR) entre offres et demandes d'emploi afin de faire des suggestions d'offres aux demandeurs d'emploi et des suggestions de profils de candidats à des recruteurs. Cet algorithme prend en entrée l'emploi recherché du demandeur d’emploi (métier, salaire, type de contrat, zone géographique, horaires) ainsi que ses compétences (dont le permis et les langues parlées). Il compare ensuite ces caractéristiques à celles requises dans les offres d'emploi. Il attribue alors à chaque offre d'emploi un score d'appariement avec le demandeur d’emploi : plus ce score est élevé, plus l'offre d'emploi correspond à ce que cherche le demandeur d’emploi et à ce qu'il sait faire. L’algorithme associe à chaque critère un poids fixe, figeant ainsi l’importance relative de ces critères. Prendre en compte les préférences individuelles des demandeurs d’emplois par le biais d’une pondération personnalisée pourrait conduire à des propositions d’offres plus adaptées à leurs priorités, facilitant ainsi leur recherche d’emploi et conduisant potentiellement à des retours à l’emploi plus pérennes.
Le premier objectif de ce projet est de recueillir les préférences des demandeurs d’emploi quant à l’importance qu’ils accordent aux différents critères des emplois qu’ils recherchent : compétences, métier, localisation, durée ou encore type de contrat.
Le second objectif de ce projet est de tester l’efficacité sur le comportement de recherche d’emploi et sur le retour à l’emploi de suggestions algorithmiques d’offres d’emploi prenant en compte les préférences explicites des demandeurs d’emploi quant à l'importance relative de ces critères.
Détails de l'intervention
Le projet comporte deux phases :
La première phase du projet consiste à collecter les préférences des demandeurs d’emplois quant aux critères des offres d’emploi qu’ils privilégient (métier, salaire, localisation, durée ou encore type de contrat). Un questionnaire de collecte des préférences a été conçu par le CREST, puis sera envoyé à un échantillon de 10 000 demandeurs d’emploi dans le cadre d’une phase pilote. Cette phase pilote, en amont de la première phase, servira à s'assurer que les interrogés arrivent raisonnablement à déclarer leurs préférences et vise également à déterminer s’il existe des profils types de demandeurs d’emploi en termes de préférences.
La seconde phase du projet consiste en l’application différenciée d’algorithmes de suggestion d’offres d’emplois à un échantillon de 250 000 demandeurs d’emplois choisis aléatoirement. Les demandeurs d’emploi de cet échantillon seront répartis aléatoirement en trois sous-échantillons, selon lesquels le traitement reçu variera. Le premier sous-échantillon de demandeurs d’emploi, après avoir renseigné ses préférences lors de la première phase, recevra des recommandations d’offres d’emploi formulées grâce au SDR utilisant les pondérations associées à leurs préférences individuelles. Le second sous-échantillon de demandeurs d’emploi, après avoir renseigné ses préférences lors de la première phase, recevra des recommandations d’offres d’emploi issues du SDR à pondérations fixes (celles utilisées actuellement par Pôle emploi). Le troisième sous-échantillon de demandeurs d’emploi ne sera pas soumis à la phase de collecte des préférences mais recevra néanmoins des recommandations issues du SDR à pondérations fixes (celles utilisées actuellement par Pôle emploi). Suite à ces traitements, le comportement de recherche d’emploi et le retour à l’emploi de ces trois sous-échantillons de demandeurs d’emploi seront observés. En parallèle, un quatrième sous-échantillon de demandeurs d’emploi composé aléatoirement et ne recevant aucune intervention (pas de questionnaire de collecte, pas de recommandations) sera également observé en tant que groupe témoin. Ainsi, en soumettant ces différents groupes de demandeurs d’emplois à ces algorithmes de suggestion différents, cette expérience randomisée et contrôlée permettra de mesurer l’impact de la collecte des préférences et de la prise en compte de celles-ci sur le comportement de recherche d’emploi et sur le retour à l’emploi.
Résultats et conclusions
Projet en cours, résultats à venir fin 2022.
