Pouvoir d’achat et revenus des belges – Evolutions 1995-2020

août 16th, 2018

TEKST IN HET NEDERLANDS HIERONDER

Cette Brève de l’Institut pour un Développement Durable examine

  • l’évolution du pouvoir d’achat moyen
  • l’évolution du pouvoir d’achat moyen par région
  • l’évolution de la consommation totale des ménages
  • l’évolution des revenus de la propriété
  • l’évolution du revenu disponible réel hors revenus de la propriété
  • l’évolution des salaires bruts
  • l’évolution du pouvoir d’achat du revenu d’intégration.

Voici les principales observations que l’on peut faire sur base de ces indicateurs :

  1. C’est seulement en 2020 que le pouvoir d’achat moyen reviendrait à son niveau d’avant la crise (2008). En 2020 il sera toujours inférieur au maximum enregistré en 2009. Il est aujourd’hui (2018) de 5% seulement supérieur à celui de 1995.
  2. Si l’allure générale des fluctuations du pouvoir d’achat est la même dans les trois régions, on constate que Bruxelles et la Wallonie perdent du terrain ; entre 1995 et 2020 le pouvoir d’achat moyen aura augmenté de 1% seulement à Bruxelles, 10% en Flandre et 5% en Wallonie (moyenne nationale : +8%).
  3. Entre 1995 et 2020, le pouvoir d’achat moyen des bruxellois est passé de 95 à 89% du pouvoir d’achat moyen des belges, celui des flamands de 105 à 107% et celui des wallons de 93 à 91%.
  4. Il est bon de rappeler que notre pouvoir d’achat est à la fois « privé » (il est utilisé en fonction de choix de consommation individuels) et « collectif » (ce sont les dépenses publiques dont nous bénéficions en matière de santé, enseignement, culture…). Le pouvoir d’achat global qui additionne les deux a évolue plus favorablement que le seul pouvoir d’achat privé. En quelque sorte, la croissance continue du pouvoir d’achat collectif atténue donc les reculs du pouvoir d’achat privé, mais ne les compense pas dans la mesure où les mécanismes d’affectation ne sont pas les mêmes.
  5. Une des raisons pour lesquelles le pouvoir d’achat « privé » n’a pas évolué plus vite sur le long terme c’est le recul marqué des revenus de la propriété échéant aux particuliers : moins 38% au total entre 1995 et 2016 et moins 92% (!) pour les intérêts ; entre 2016 et 2020 la masse des revenus de la propriété est supposée remonter, mais elle sera en 2020 toujours 31% moins importante qu’en 1995.
  6. Le pouvoir d’achat moyen de la somme des revenus nets autres que les revenus de la propriété a augmenté – sur la période 1995-2020 – d’environ 16%, contre 8% si on tient compte de tous les revenus.
  7. Par comparaison, la masse des salaires bruts a évolué plus favorablement : +45% entre 1995 et 2020, contre -31% pour les revenus de la propriété.
  8. Le salaire annuel brut moyen aura augmenté de 13% entre 1995 et 2020 ; mais plus de la moitié de cette hausse a été acquise entre 1995 et 2003. Depuis 2003, le salaire moyen a marqué deux « pauses », qui ont chaque fois duré plusieurs années. Le salaire annuel brut moyen est estimé à 41.200 € en 2018.
  9. Enfin, on relèvera que le pouvoir d’achat du revenu d’intégration (minimex jusqu’en 2002), mesuré en tenant compte de la structure de consommation spécifique des pauvres, a augmenté de presque 16% sur la période 1995-2017. Il a évolué plus ou moins en phase avec l’évolution du pouvoir d’achat moyen jusqu’au début de la crise, pour ensuite évoluer beaucoup plus favorablement pour deux raisons : le retrait du pouvoir d’achat moyen et la liaison au bien-être qui a permis au revenu d’intégration d’augmenter régulièrement au-delà de l’indexation sur les prix. On notera encore que jusqu’en 2012 le pouvoir d’achat du revenu d’intégration a augmenté moins vite que le pouvoir d’achat des revenus hors revenus de la propriété.

La note jointe propose neuf graphiques qui détaillent ces évolutions.

————————————————————————————————–

TEKST IN HET NEDERLANDS

De recente Economische Vooruitzichten (juni 2018) en Regionale economische vooruitzichten (juli 2018) van het Federaal Planbureau geven ons de gelengenheid verschillende indicatoren wat betreft de evolutie van de koopkracht en de inkomens te actualiseren.

In deze brief van het Instituut voor Duurzame Ontwikkeling wordt ingegaan op

  • de evolutie in gemiddelde koopkracht
  • de evoluties van de gemiddelde koopkracht per regio
  • de evolutie van de totale koopkracht van de huishoudens
  • de evolutie van de inkomen uit vermogen
  • de evolutie van de koopkracht exclusief inkomen uit vermogen
  • de evolutie van de gemmidelde brutoloon
  • de evolutie van de koopkracht van het leefloon.

Hierna volgen de belangrijkste opmerkingen die op basis van deze indicatoren kunnen worden gemaakt :

  1. Pas in 2020 zal de gemiddelde koopkracht terugkeren naar het niveau van voor de crisis (2008). In 2020 zal het nog steeds onder het in 2009 geregistreerde maximum liggen. Vandaag (2018) is het slechts 5% hoger dan in 1995.
  2. Terwijl het algemene patroon van de schommelingen van de koopkracht in de drie gewesten hetzelfde is, verliezen Brussel en Wallonië terrein; tussen 1995 en 2020 zal de gemiddelde koopkracht in Brussel met slechts 1%, in Vlaanderen met 10% en in Wallonië met 5% gestegen zijn (nationaal gemiddelde: +8%).
  3. Tussen 1995 en 2020 steeg de gemiddelde koopkracht van de Brusselaars van 95 tot 89% van de gemiddelde koopkracht van de Belgen, die van Vlamingen van 105 tot 107% en die van de Walen van 93 tot 91%.
  4. Het is goed om te onthouden dat onze koopkracht zowel « privé » is (ze wordt gebruikt volgens individuele consumptiekeuzes) als « collectief » (het zijn de overheidsuitgaven waarvan we profiteren op het vlak van gezondheid, onderwijs, cultuur…). De totale koopkracht die beide factoren bij elkaar optelt, heeft zich gunstiger ontwikkeld dan de koopkracht van de besteedbare inkomen  alleen. De aanhoudende groei van de collectieve koopkracht matigt dus in zekere zin de daling van de koopkracht van de particuliere sector, maar compenseert deze niet in die mate dat de toewijzingsmechanismen niet dezelfde zijn.
  5. Een van de redenen waarom de koopkracht van de huishoudens op lange termijn niet sneller is geëvolueerd, is de sterke daling van het inkomen uit vermogen van particulieren : min 38% in totaal tussen 1995 en 2016 en min 92% (!) voor rente; tussen 2016 en 2020 zou het inkomen uit vermogen stijgen, maar in 2020 zal het nog steeds 31% lager liggen dan in 1995.
  6. De gemiddelde koopkracht van de andere netto-inkomens dan inkomen uit vermogen is in de periode 1995-2020 met ongeveer 16% gestegen, tegen 8% als alle inkomens worden meegerekend.
  7. Ter vergelijking: de brutoloonsom ontwikkelde zich gunstiger: +45% tussen 1995 en 2020, tegen -31% voor inkomen uit vermogen.
  8. Het gemiddelde bruto jaarsalaris zal tussen 1995 en 2020 met 13% zijn gestegen, maar meer dan de helft van deze stijging werd tussen 1995 en 2003 verdiend. Sinds 2003 heeft het gemiddelde loon twee « onderbrekingen » gekend, die elk verscheidene jaren in beslag namen. Het gemiddelde bruto jaarsalaris wordt geschat op 41.200 € in 2018.
  9. Ten slotte moet worden opgemerkt dat de koopkracht van het leefloon, gemeten naar de specifieke consumptiestructuur van de armen, over de periode 1995-2017 met bijna 16% is gestegen. Deze koopkracht evolueerde min of meer in lijn met de evolutie van de gemiddelde koopkracht tot het begin van de crisis, en evolueerde vervolgens veel positiever om twee redenen : een daling van de gemiddelde koopkracht en verschillende welvaartsaanpassingen. Tot 2012 steeg de koopkracht van het leefloon minder snel dan de koopkracht van de inkomens exclusief inkomen uit vermogen.

In de bijgevoegde nota bevinden zich negen grafieken die deze evoluties illustreren
Les récentes Perspectives économiques (juin 2018) et Perspectives économiques régionales (juillet 2018) du Bureau fédéral du Plan permettent d’actualiser les évolutions tendancielles du pouvoir d’achat et des revenus.

Le financement des dépenses de santé

juillet 30th, 2018

TEKST IN HET NEDERLANDS HIERONDER

LE FINANCEMENT DES SOINS DE SANTÉ EN BELGIQUE

La récente (juillet 2018) décision de la Ministre de la Santé, Maggy De Block de « réserver le remboursement des soins psychologiques de première ligne en premier lieu aux adultes âgés de 18 à 64 ans » a suscité quelques remous. « Chaque année, précise-t-elle, quelque 120 000 adultes atteints de troubles mentaux courants pourront compter sur le remboursement de huit consultations maximum avec un psychologue ou orthopédiste clinicien reconnu. » Rappelons encore que 11 € par consultation resteront à charge du patient.

L’objectif de la Brève n°14 de l’Institut pour un Développement Durable n’est pas de commenter cette décision mais de saisir l’occasion pour rappeler comment sont financés les soins de santé en Belgique, notamment pour quantifier la part à charge des patients.

En 2017, les belges ont dépensé au total 43,8 milliards pour leurs soins de santé, soit 10,0% du PIB. Le seuil de 10% a été franchi en 2011 ; depuis lors la part des dépenses de santé est resté juste au-dessus de 10%, avec un maximum de 10,3% en 2014. Attention à l’interprétation de ces évolutions, qui dépendent à la fois des fluctuations économiques, des changements dans les règles et des comportements des acteurs.

La part des dépenses de santé dans le PIB en 2017 est proche de celle observée en Autriche, Danemark, Norvège, aux Pays-Bas et en Suède. En France et en Allemagne cette part est supérieure à 11%.

Il importe de préciser que ces 43,8 milliards comprennent les frais de gestion du système mais également les interventions des assurances facultatives et les paiements directs des ménages. Ceci explique que les prestations de soins de santé (= les dépenses de la sécu) recensées par la comptabilité nationale, 30,1 milliards en 2017, ne représentent « que » 68,7% des dépenses totales de santé recensées par l’OCDE.

On peut décrire l’évolution du financement des soins de santé de deux manières : par type de régime et par type de financement. L’évolution du financement des soins de santé par type de recette, indique – sur la période 2005-2017 – un glissement à la hausse de la part des interventions du budget général dans le financement des soins de santé, les autres recettes voyant leur part baisser. On observe par ailleurs une baisse – entre 2005 et 2017 – de la part des régimes d’assurance facultatifs et des paiements directs des ménages ; ces derniers passent de 17,5% à 16,0% du total des dépenses de soins de santé.

A la baisse, certes, mais il faut apporter trois bémols à ce qui semble être une bonne nouvelle :

  1. La part à charge des ménages dans leur revenu disponible a aussi baissé depuis 2014 mais 1° elle a augmenté régulièrement entre 2005 et 2013 et 2° l’effort des ménages en 2017 est supérieur à celui de 2005.
  2. La part de la charge directe des ménages est en Belgique supérieure à ce qu’on observe dans sept pays européens à forte tradition d’état-providence :Allemagne, Danemark, France, Luxembourg, Norvège, Pays-Bas et Suède.
  3. Enfin, beaucoup de ménages peinent encore à payer leurs dépenses de santé ; en 2013, 8,4% des ménages déclaraient avoir dû postposer des soins de santé pour raisons financières et 25,9% avoir du mal à payer leurs dépenses de santé.

L’Enquête sur le budget des ménages donne une idée des dépenses de santé suivant deux critères : l’âge et les revenus. En ayant en tête qu’il s’agit des dépenses avant remboursement (total ou partiel) éventuel et que ne sont considérés que les ménages ayant recouru à des soins de santé, on constate que la part des dépenses de santé payée par les ménages décroît avec le revenu et croît avec l’âge. Des progrès sont encore à faire en matière d’accessibilité aux soins de santé.

Plus d’informations dans la note jointe.
—————————————————————————————–

HOE ZIJN DE GEZONDHEIDSUITGAVEN IN BELGIË GEFINANCIERD ?

Het recente (juli 2018) beslissing van minister van Volksgezondheid Maggy De Block om « De terugbetaling van psychologische zorgen in eerste instantie voor te behouden aan volwassen van 18 tot en met 64 jaar » heeft tot enige onrust geleid. « Jaarlijks, zegt ze ook, zullen zo’n 120.000 volwassenen met vaak voorkomende psychische aandoeningen tot maximum acht consultaties bij een erkende klinisch psycholoog of orthopedagoog terugbetaald krijgen. » Let op: 11 € per consult blijft voor rekening van de patiënt.

Het doel van Brief nr. 14 van het Instituut voor Duurzame Ontwikkeling is niet om commentaar te geven op deze beslissing, maar om van de gelegenheid gebruik te maken om eraan te herinneren hoe de gezondheidszorgen in België gefinancierd zijn, in het bijzonder om het aandeel te specificeren dat door de patiënten moet worden gedragen.

In 2017 besteedden de Belgen in totaal 43,8 miljard euro aan gezondheidszorgen, of 10,0% van het bbp. De drempel van 10% werd overschreden in 2011; sindsdien is het aandeel van de gezondheidsuitgaven net boven de 10% gebleven, met een maximum van 10,3% in 2014. Er moet aandacht worden besteed aan de interpretatie van deze ontwikkelingen, die afhankelijk zijn van economische schommelingen, veranderingen in de regels en het gedrag van de spelers. Het aandeel van de gezondheidsuitgaven in het bbp in België ligt in 2017 dicht bij dat in Oostenrijk, Denemarken, Nederland, Noorwegen en Zweden. In Frankrijk en Duitsland bedraagt dit aandeel meer dan 11%.

Het is belangrijk op te merken dat deze 43,8 miljard de kosten voor het beheer van het systeem omvatten, maar ook facultatieve verzekeringsinterventies en rechtstreekse betalingen van huishoudens. Dit verklaart waarom de Sociale uitkeringen voor geneeskundige verzorging  (= socialezekerheidsuitgaven) die in de nationale rekeningen zijn geregistreerd, 30,1 miljard in 2017, « slechts » 68,7% uitmaken van de totale gezondheidsuitgaven die door de OESO zijn geregistreerd.

De evolutie van de financiering van de gezondheidszorgen kan op twee manieren beschreven worden: per soort en per type financiering. De trend in de financiering van de gezondheidszorgen per soort ontvangsten wijst – over de periode 2005-2017 – op een opwaartse verschuiving van het aandeel van de transferten uit de algemene begroting in de financiering van de gezondheidszorgen, waarbij andere ontvangsten hun aandeel zien dalen. Tussen 2005 en 2017 is er ook een daling van het aandeel van vrijwillige verzekerings stelsels en rechtstreekse betalingen aan huishoudens, die van 17,5% tot 16,0% van de totale uitgaven voor gezondheidszorgen dalen.

Op de daling, zeker, maar het is noodzakelijk om hier drie opmerkingen te brengen aan wat lijkt te zijn goed nieuws:

  1. Het aandeel van de huishoudens in hun beschikbaar inkomen is sinds 2014 eveneens gedaald, maar 1° tussen 2005 en 2013 is het gestaag gestegen en 2° de inspanningen van de huishoudens zijn in 2017 groter dan in 2005.
  2. Het aandeel van de directe last van huishoudens in België is hoger dan in zeven Europese landen met een sterke welvaartsstaattraditie: Denemarken, Frankrijk, Duitsland, Luxemburg, Nederland, Noorwegen en Zweden.
  3. Ten slotte hebben veel huishoudens het nog steeds moeilijk om hun gezondheidsuitgaven te betalen; in 2013 meldde 8,4% van de huishoudens dat ze de gezondheidszorgenenen om financiële redenen moesten uitstellen en 25,9% had moeite om hun gezondheidsuitgaven te betalen.

Het Huishoudbudgetonderzoek 2012-2014-2016 geeft een idee van de gezondheidsuitgaven gedragen door de huishoudens volgens twee criteria : leeftijd en inkomen. Rekening houdend met het feit dat het hier gaat om eventuele uitgaven vóór vergoeding (geheel of gedeeltelijk) en dat alleen huishoudens die gebruik hebben gemaakt van gezondheidszorgenenen in aanmerking worden genomen, kan worden vastgesteld dat het aandeel van de door huishoudens betaalde gezondheidszorgenenenuitgaven afneemt met het inkomen en toeneemt met de leeftijd. Er moet nog vooruitgang worden geboekt op het gebied van de toegankelijkheid van de gezondheidszorgen.

Meer informatie is te vinden in de bijgevoegde nota.

Le marché du travail sous Michel Ier : tout n’a pas été dit

juillet 9th, 2018

La publication par l’ONSS, ce 2 juillet 2018, des statistiques d’emploi avancées pour le 1er trimestre 2018 est l’occasion, pour l’Institut pour un Développement Durable, de revenir sur les polémiques plus ou moins documentées concernant la création d’emplois sous le gouvernement Michel Ier, tout en essayant d’apporter des éléments nouveaux au débat.

Rappelons d’abord les principales évolutions : L’emploi intérieur a augmenté de 176.000 unités entre fin 2014 et début 2018, dont 138.000 salariés et 37.000 indépendants. Le secteur privé a assuré plus de 90% de l’augmentation de l’emploi salarié.

Ce bilan est souvent « attaqué » sur base de deux arguments : il s’agit (majoritairement) de créations nettes d’emplois à temps partiel et/ou n’assurant pas une insertion durable. Cette argumentation est confortée par les évolutions connues :

en matière de temps partiel :

L’emploi à temps partiel représente, sur base des données ONSS, 64,2% des créations d’emplois entre 2014 et 2018, si on assimile les emplois saisonniers, intérimaires et travail occasionnel à du temps partiel. Les données de l’Enquête sur les forces de travail donnent des évolutions semblables.

Trois bémols importants cependant nuançant les critiques habituelles :
– Sur base des données ONSS on constate qu’un peu plus d’un tiers de l’augmentation du nombre de salarié.e.s à temps partiel est attribuable au secteur public (on peut supposer que le secteur de l’enseignement contribue significativement à cette hausse).
– L’importance relative des emplois à temps partiel dans la création d’emplois tend à se réduire depuis le début de la législature ; 46% des emplois temporaires créés entre la fin de 2014 et le début de 2018 l’ont été pendant la seule année 2015.
– Le temps de travail moyen des salarié.e.s qui travaillent à temps partiel continue d’augmenter ; aujourd’hui les travailleurs à temps partiel prestent en moyenne un 2/3 temps.

Notons encore que les motifs du temps partiel donnés par les personnes concernées ont peu varié entre 2014 et 2017 ; même si les réponses sont parfois difficiles à interpréter, on peut estimer que pour la majorité le temps partiel n’est pas souhaité ou qu’un emploi à temps plein n’est pas possible.

en matière d’emplois précaires/temporaires :

L’emploi temporaire – tel que défini par l’ONSS – a augmenté de 21% entre fin 2014 et début 2018. Les données de l’Enquête sur les forces de travail indiquent également une hausse. Depuis 2017, plus de 10% des salarié.e.s ont un emploi temporaire.

Les données de l’Enquête sur les forces de travail indiquent encore que :
– Le pourcentage d’emplois temporaires est particulièrement élevé dans les secteurs HORECA (24%), Arts, spectacles et activités récréatives (23%) et Enseignement (18%).
– Près de la moitié (47%) des travailleurs de moins de 25 ans a un emploi temporaire.
– La part des contrats à durée déterminée dans l’emploi temporaire tend à diminuer quelque peu au profit de l’intérim, qui représente presque 1/4 de l’emploi temporaire (contre 48% pour l’emploi en CDD).

Pour ce qui est des évolutions sectorielles, on notera :
– Une quasi-stabilisation de l’emploi industriel alors que ce secteur a perdu 73.000 emplois entre 2008 et 2014.
– Environ 1/3 de l’augmentation de l’emploi est localisé dans des secteurs d’activités financés par les pouvoirs publics, à savoir les activités « Administration publique, défense, éducation, santé humaine et action sociale » (+ 51.500 emplois) et les « Titres-services » (+ 10.000 emplois).

Depuis 2008 le rapport emploi/PIB évolue plus favorablement. Autrement dit, un point de croissance économique génère aujourd’hui plus d’emplois qu’avant la crise de 2008.

On notera pour terminer que les petites entreprises, y compris donc les employeurs « personne physique », cœur de cible du gouvernement fédéral, ont, en termes absolu et relatif, peu créé d’emplois en net.

Enfin, le prix à payer est, faut-il le rappeler, une baisse du salaire horaire brut, même si elle a été compensée en partie par le tax-shift. Le salaire horaire moyen réel n’a pas encore retrouvé, en ce début 2018, son niveau de fin 2014. Sans saut d’index, toutes autres choses égales par ailleurs, le salaire horaire moyen aurait été à peine supérieur à celui de la fin 2014.

Ce qui est attribuable à la conjoncture et ce qui est attribuable aux mesures prises doit encore être déterminé, comme il faudrait pouvoir distinguer les évolutions structurelles des fluctuations liées à la conjoncture. Tout n’a donc pas encore été dit.

Plus de précisions dans la note jointe.

Révolution numérique : des données au service de l’intérêt général

mai 1st, 2018

Les politiques publiques n’ont pas encore pris la pleine mesure de la révolution numérique. C’est en particulier le cas pour ce qui est des données. Or, seule une politique ambitieuse de production et de circulation de données, du secteur public vers le secteur privé mais aussi du secteur privé vers des usages collectifs de l’information. Les données ne peuvent plus être considérées comme une propriété strictement privée et leur qualité doit être contrôlée. Une telle politique, pro-active, de « données ouvertes » (open-data) peut soutenir la recherche dans des domaines clés comme la santé et la mobilité, venir en appui des choix publics, porter des activités économiques durables et assurer la concurrence quand elle est souhaitable, renforcer la démocratie, protéger les consommateurs et les citoyens. Certes, le couplage de banque de données, indispensable pour doper les retombées positives du big data, doit protéger la vie privée, mais il faut éviter une interprétation excessive des dispositifs légaux de protection des données personnelles.

La collecte, le traitement et l’utilisation de données à des fins commerciales ou autres (recherche, action publique…) ne datent pas d’hier. Les enjeux des données ne sont donc pas neufs :

  1. Qui produit de l’information et dans quels buts ?
  2. Quelle place des acteurs privés et quelle place des acteurs publics ?
  3. Où et comment les données sont-elles stockées ?
  4. Qui y a accès ? A quelles conditions et par quelles techniques ?

Est-ce à dire que la révolution numérique ne change pas grand-chose à ces questionnements ? Non, bien sûr, il y a trois évolutions majeures :

  1. Le traitement d’informations par des dispositifs d’intelligence artificielle (IA), qui génère des questions spécifiques.
  2. Les quantités énormes de données produites, qu’il faut contrôler, stocker, gérer et exploiter.
  3. L’ampleur et le détail de données « personnelles ».

Dans ce contexte, en pleine évolution, la note de l’Institut pour un Développement Durable vise à éclairer cinq catégories d’enjeux liés aux données à l’ère du numérique :

  1. le contrôle (de la qualité et de la pertinence) des données
  2. la qualité/justesse des informations contenues dans les banques de données et de celles qui en découlent
  3. l’accès à l’information
  4. la numérisation de données qui ne le sont pas
  5. quelques autres enjeux.

La note de l’IDD conclut l’analyse avec quelques pistes d’action (point 6).

1. Le contrôle (de la qualité et de la pertinence) des données, notamment de celles injectées dans des dispositifs d’IA basés sur l’apprentissage profond, et des résultats qui en découlent

Par définition, ce qui sort comme analyses ou impulsions d’un dispositif d’IA basé sur l’apprentissage dépend étroitement des données qui sont injectées pour activer les réseaux de neurones. Tout utilisateur d’un tel dispositif devrait donc être en droit de connaître les données qui ont servi à alimenter le dispositif. L’exemple de la technologie de la reconnaissance faciale, parfois « orientée », illustre bien cet enjeu.

2. D’une manière générale se pose la question de la qualité/justesse des informations contenues dans les banques de données et de celles qui en découlent

Le contrôle de la qualité/justesse des données se pose d’une manière globale. La quantité d’informations rend difficile le contrôle de chaque donnée. Des altérations volontaires (ex : les logiciels truqués concernant les émissions de voitures, des manipulations comptables…) ou involontaires (erreurs de codage, différences de classements ou définitions…), sont possibles, compromettant dès lors les résultats issus du traitement de ces données.

Cette problématique n’est pas spécifique aux big data. Mais la grande taille des banque de données comme leur utilisation diffuse nécessitent de mettre en place des garde-fous spécifiques comme des techniques de repérage d’erreurs.

3. L’accès à l’information : pour une libre circulation des données, dans le respect de la vie privée

C’est pour moi le défi essentiel, parce que c’est la libre circulation des données  qui permettra de contrôler leur qualité, de lutter contre la constitution de monopoles ou oligopoles, de susciter et d’alimenter de nouvelles activités, de booster la recherche scientifique et industrielle, d’éclairer et d’orienter l’action publique. Les difficultés d’accès à l’information prennent de nombreuses formes :

  1. Les difficultés d’accès liées à la non-numérisation, non seulement d’archives passées mais aussi d’une partie de l’information produite aujourd’hui.
  2. Les difficultés d’accès liées aux manques de moyens des fournisseurs publics d’informations.
  3. Les difficultés d’accès liées à une interprétation trop stricte de la protection de la vie privée. Il doit être possible de développer des techniques protectrices, par exemple en intervenant à distance sur des données sans y avoir un accès direct.
  4. Les difficultés d’accès liées aux réticences des « propriétaires » de données, propriétaires commerciaux certes, ceux auxquels on pense le plus souvent,  mais aussi les propriétaires agissant dans le domaine du non marchand.
  5. La lenteur d’arrivée de certaines données les rend moins intéressantes une fois disponibles.
  6. Le non accès à des données privées mais d’intérêt général. Un exemple très parlant est celui de la non publication par des laboratoires de recherche de résultats négatifs ce qui entraîne, par exemple, le financement par d’autres acteurs privés et/ou publics de recherches dont on aurait pu savoir dès le début qu’il s’agissait d’impasses.
  7. D’une manière générale de nombreux domaines de recherche dépendent aujourd’hui de l’accès à des banques de données spécifiques (celles relatives à des recherches menées par d’autres ou des banques de données « généralistes » détenues par les GAFA, les banques, les détaillants, les assureurs, les mutuelles et beaucoup d’autres acteurs) mais plus encore de l’accès à des banques de données couplées. C’est notamment le cas en matière de santé.
  8. L’accès différencié de candidats ou partis à des données stratégiques (pour des raisons financières et/ou partisanes) risque de poser autant de problèmes démocratiques que l’inégal accès à des ressources financières.
  9. De même l’accès difficile à des documents internes à l’administration ou aux cabinets ministériels est un frein à la vigueur démocratique. L’existence même de certains rapports n’est pas connue.
  10. L’action publique aussi a besoin d’informations détenues dans des banques de données privées. Les données collectées par UBER (ou entreprises équivalentes, y compris les sociétés de taxis) ou les opérateurs de téléphonie mobile peuvent être d’une grande utilité dans la définition et le suivi d’une politique de mobilité.
  11. La création de monopoles liée au non-accès aux données pour des « entrants » (potentiels) sur le marché. C’est ainsi que des start-up peuvent être limitées dans leur développement parce qu’elles n’ont pas accès aux données nécessaires pour « entraîner » leurs dispositifs d’IA.
  12. L’accès à des résultats de la mise en œuvre de dispositifs d’IA ou d’applications spécifiques est aussi un enjeu en matière de diffusion de l’information. C’est ainsi, par exemple, que les résultats de démarches d’IA effectuées sur des simulateurs de vol peuvent intéresser tous les acteurs de la sécurité aérienne.
  13. Le coût trop important d’accès à des revues scientifiques, parfois même à des articles basés sur des financements publics, est un frein pour la recherche, en tout cas pour les chercheurs/pays les plus pauvres et les experts indépendants.

C’est une véritable politique d’open-data proactive qu’il faut mettre en route. Les données ne peuvent plus être considérées comme une propriété strictement privée. Comme le souhaitent les économistes de l’Economic Prospective Club, « il convient de protéger l’usage qui est fait des données plutôt que les données en tant que telles. »

4. La numérisation de données qui ne le sont pas

De nombreuses données, en particulier de la responsabilité du secteur public, ne sont pas numérisées, souvent par manque d’ambition statistique. En tout état de cause une excuse facile – les données ne sont pas structurées rendant leur numérisation et leur organisation  impossibles ou trop coûteuses – ne tient plus la route : une des caractéristiques des outils d’IA est précisément de pouvoir lire et interpréter des données mêmes non structurées.

5. D’autres enjeux

J’en vois six principaux :

  1. Les problèmes liés au stockage des données.
  2. La formation d’un nombre suffisant de spécialistes des questions liées aux big-data.
  3. Le risque de lock-in socio-culturel lié aux « prescriptions » découlant de l’exploitation d’informations par des dispositifs d’IA. C’est ainsi que les « suggestions » proposées par des sites d’informations, commerciaux ou de vidéos à la demande risquent d’enfermer leurs utilisateurs et de les conforter dans leurs visions et leurs habitudes. Le cas de la justice dite prédictive est à cet égard tout aussi parlant. Elle doit être un outil d’aide à la décision, pas la décision.
  4. Les nombreux échecs ou en tout cas retards, explosion des coûts… liés à la mise en place de banques de données.
  5. La nécessaire réforme du droit d’auteur pour « permettre d’autoriser les pratiques de fouille de texte et de données (text and datamining) dans un objectif de compétitivité de la recherche publique. »
  6. L’intégration de données micro-économiques du big data dans l’analyse macro-économique et le suivi conjoncturel est encore à développer.

6. Pistes d’action

Il m’apparaît qu’il faut centrer l’action publique autour de cinq axes (en plus des politiques mises en place ou souhaitables en matière de protection des données personnelles et des politiques visant à diminuer l’empreinte écologique de la filière des données, politiques pas abordées dans cette note) :

  1. Développer une culture statistique, portant sur les données en général, big data bien sûr y compris, mais pas seulement.
  2. Susciter/encourager la production et la diffusion d’informations d’intérêt général.
  3. Activer les moyens nécessaires pour que des organisations belges (entreprises, pouvoirs publics, universités) puissent participer, ou continuer à la faire, à des activités, publiques et privées, générant des données dans des secteurs stratégiques (exploration spatiale, exploitation des océans, santé personnalisée, véhicules autonomes…). On notera à cet égard que les partenaires de telles collaborations seront de plus en plus des entreprises privées investissant stratégiquement dans des activités de récolte de données nouvelles dans l’espoir de se rendre incontournable dans le domaine d’activité choisi.
  4. Développer l’intégration d’informations (données et schémas comportementaux) issues de l’analyse du big data dans l’analyse macroéconomique et le suivi conjoncturel, notamment via le web scraping. D’une manière générale l’exploitation du big data, en particulier à une époque de déclin dans les taux de réponse aux enquêtes,  peut aider à comprendre, mieux qu’aujourd’hui, les évolutions des comportements susceptibles d’éclairer les choix politiques dans divers domaines d’action (logement, santé, mobilité…) des gouvernements.
  5. Développer la constitution de banques de données et leur exploitation. Voici, à titre exemplaire, quelques axes qui pourraient structurer une politique des données :
  • Dans le domaine de la santé, la constitution d’une banque de données portant sur les analyses de sang ; son couplage à d’autres banques de données relatives à la santé (en particulier les informations détenues par les mutuelles) devrait permettre, via des techniques d’IA, de tirer un maximum d’enseignements et d’orientations en matière de recherche.
  • Dans le domaine de l’enseignement, une banque de données, à constituer progressivement, reprenant depuis l’enseignement fondamental les parcours des élèves/étudiants, avec le plus de caractéristiques possibles pour mieux qu’aujourd’hui éclairer les choix politiques sensibles.
  • Dans le domaine de la mobilité, il faut forcer le couplage, via des techniques d’IA, de données issues d’opérateurs privés, de celles dont disposent les sociétés de transport, des flux mesurés localement (il faut ici stimuler les autorités locales pour les produire) et d’informations obtenues par web scraping.
  • Dans le domaine social, où les données détenues par la Banque Carrefour de la Sécurité Sociale constituent un excellent point de départ, la mise en perspective et l’analyse des parcours, grâce à l’exploitation d’autres données (formations initiales et au long de la carrière, interruptions de carrière, secteurs d’activité, mobilité géographique …), pourraient éclairer de nombreux débats concernant les politiques sur le marché du travail.
  • Enfin, dans le domaine social toujours, l’analyse fouillée des dossiers et décisions des CPAS dans le domaine des aides sociales devrait permettre de mieux comprendre les « logiques » à l’œuvre, leurs évolutions et leurs différences entre CPAS.

Plus d’analyses et d’illustrations dans la note jointe. Comme cette note propose de nombreuses illustrations, citations et notes de bas de page, le lecteur plus pressé trouvera une note allant à l’essentiel (Version courte).

Ménages et Logements – 1995-2007 – Belgique, régions et communes

avril 26th, 2018

Le logement fera plus que probablement partie des thématiques qui seront débattues au cours des deux campagnes électorales à venir, les communales en octobre 2018 et les régionales en mai 2019. On doit l’espérer en tout cas au vu de la difficulté que ressent un nombre croissant de ménages à trouver un logement à un coût raisonnable (ou jugé comme tel en tout cas), que ce soit via l’acquisition ou la location.

La présente note vise à éclairer sur ce thème les décideurs concernés, les candidats motivés et les citoyens intéressés ; dans cette perspective cette note aborde deux grandes thématiques :

  • les évolutions respectives du nombre de logements et du nombre de ménages
  • les évolutions concernant les différents types de ménages.

Nombre de ménages et nombre de logements

En principe le nombre de logements est supérieur au nombre de ménages. L’écart positif recouvre trois situations différentes :

  1. les secondes résidences ; c’est ainsi que l’écart entre le nombre de logements et le nombre de ménages (résidents) est particulièrement élevé dans les communes de la côte flamande et certaines communes wallonnes comme Vresse-sur-Semois et Erezée ; il faut ajouter, plus récemment, les logements loués via Airbnb quand il n’y a pas de résidents permanents ;
  2. les vides frictionnels (logements en attente d’être vendus ou loués) ;
  3. les vides structurels, dans lesquels se trouvent notamment les logements dits abandonnés.

Ceci dit, la « justesse » de l’écart dépend de la qualité de la statistique des logements (Administration du Cadastre) et de celles relatives aux ménages (Registre national).

En ce qui concerne le Cadastre, deux sources d’erreurs sont possibles :

  1. Un manque de rapidité dans l’actualisation des données ; celui-ci concerne à la fois l’enregistrement des nouveaux logements et les suppressions de logements (par exemple par démolition).
  2. Le non repérage de logements créés sans permis (est surtout visée ici la division d’immeubles – typiquement des maisons dites de maître ou de grands logements familiaux – en plusieurs logements plus petits : kots, studios ou petits appartements).

En ce qui concerne le nombre, la nature et la taille des ménages plusieurs erreurs sont également possibles : personnes en ménage collectif (le plus souvent des maisons de repos et de soins) restées domiciliées à leur dernier domicile, personnes en co-location dont le changement de domicile n’est pas acté (typiquement : un jeune qui vit en co-location qui, par convenance, reste domicilié chez ses parents) et domiciliations fictives apparaissent comme les principales faiblesses des données socio-démographiques. A une période que je pense révolue on a aussi vu des communes retarder volontairement les mutations de domicile vers d’autres communes.

Globalement, la mise en place ou le renforcement au cours des dernières années des contrôles effectués principalement par les communes (par exemple au moment d’un changement d’adresse ou via les visites des agents de quartier) et/ou des organismes sociaux ont eu, à mon avis, un effet positif sur la qualité des données, socio-démographiques et cadastrales.

Voici les principales conclusions relatives aux évolutions respectives du nombre de logements et du nombre de ménages :

  1. Sur la période considérée (1995 > 2017) le nombre de logements a augmenté globalement plus vite que le nombre de ménages.
  2. En 2017, le rapport (ménages/logements) est (donc) le plus souvent inférieur, même si c’est parfois de peu, au pourcentage de 1995 ; 75% des communes sont dans ce cas.
  3. Chaque entité (région ou commune) présente néanmoins des caractéristiques propres, à la fois sur les dates d’inflexion de la tendance et l’intensité des tendances à la hausse ou à la baisse. Le tableau suivant illustre les différences entre régions.
  4. Pour certaines entités (Charleroi, Linkebeek, Namur, Saint-Josse, Tirlemont…) on observe un nombre de ménages supérieur au nombre de logements pendant tout ou partie de la période considérée. On constate cette situation au moins une fois au cours de la période 1995-2017 dans 91 communes (sur 589, soit 15,4%). La faible qualité des données saute ici aux yeux.

Nombre de ménages et nombre d’habitants par types de ménages

Idéalement, l’analyse de ce qui se passe sur les marchés immobiliers devrait pouvoir se baser sur une mise en perspective des évolutions du nombre de logements et de leurs caractéristiques et des évolutions socio-démographiques et socio-économiques des ménages. Mais on ne dispose pas des données ou en tout cas de toutes les données nécessaires et certainement pas au niveau local.

De ce qu’on sait (plus ou moins), deux phénomènes doivent être mis en évidence :

  1. L’accès au logement semble plus difficile pour les personnes seules et les familles monoparentales.
  2. Le pourcentage très élevé (70% en 2014-2016) de personnes vivant dans un logement sous-occupé. Ce pourcentage est plus élevé pour les personnes de plus de 65 ans versus celles qui ont moins de 65 ans et pour les propriétaires versus les locataires.

A défaut de pouvoir faire ce type d’analyses de manière plus détaillée et au niveau local, on peut à tout le moins décrire quelques évolutions relatives aux ménages.

La taille moyenne des ménages tend à se stabiliser en Flandre et en Wallonie, après une très longue période de baisse ininterrompue. Elle augmente par contre à Bruxelles. Elle est toujours plus faible dans les grandes villes flamandes et wallonnes par rapport à la moyenne régionale correspondante. La taille moyenne des ménages augmente dans les très grandes villes (Anvers – où la tendance à la hausse est particulièrement marquée –, Gand, Charleroi et Liège). Dans plus de la moitié des communes la taille moyenne des ménages est en 2017 supérieure à celle observée en 1995.

Dernière observation : les différences entre communes sont très importantes, comme le montre le tableau suivant.

Conclusions

Au niveau du diagnostic, des données rassemblées ici donnent à penser que les tensions sur le marché immobilier, au moins sur certains segments, sont en train de diminuer. Par ailleurs, au vu du nombre de logements sous-occupés, ne doit-on pas réfléchir au moins autant à des politiques visant à améliorer l’adéquation du logement aux besoins qu’aux politiques qui visent à augmenter le parc de logements.

La seconde conclusion concerne les institutions et niveaux de pouvoir compétents en matière de statistiques du logement. Si des efforts sont faits (notamment au travers d’enquêtes, dans les trois régions du pays), il manque des données fines disponibles au niveau local. Trois recommandations m’apparaissent essentielles :

  1. Exploiter les données sur les loyers dans les baux enregistrés. L’enregistrement obligatoire des baux doit être effectivement appliqué (trop de baux ne sont toujours pas enregistrés). Cet enregistrement doit, à l’avenir, être accompagné d’une brève description du logement. Ces données (hauteur du loyer et des charges éventuelles et, demain, des caractéristiques basiques du logement) pourront dès lors être exploitées systématiquement, localement et régionalement.
  2. Les statistiques du Cadastre doivent être améliorées (on se demande comment il est possible de lever un impôt équitable avec, dans certaines communes en tout cas, une sous-estimation manifeste du nombre de logements). Ceci implique une actualisation régulière et rapide des données cadastrales et, progressivement, l’enregistrement de données précédemment disponibles via les recensements, comme le nombre de pièces et la superficie habitable.
  3. Donner aux communes plus de moyens de repérer les vacances structurelles. Très concrètement il faudrait fournir d’initiative aux communes et CPAS les listes des logements pour lesquels les consommations d’eau et d’électricité sont jugées faibles.

Il appartient aussi à chaque décideur concerné, candidat motivé et citoyen intéressé de se saisir des données concernant sa commune. Il faut bien sûr commencer par analyser et vérifier les données concernant les logements et les ménages. Une confrontation systématique et dans la durée de ces deux séries d’informations doit permettre, progressivement, de mieux refléter la réalité locale et de la mieux connaître.

Le lecteur intéressé trouvera plus de données et d’analyses dans la note et les 3 annexes (Annexe 1, Annexe 2, Annexe 3).

Vers un même régime de pensions pour tous ?

octobre 13th, 2017

Le texte de cette note est disponible ICI.

Bonne lecture.

 

Ph. Defeyt

 

Les étudiants aidés par les CPAS en Wallonie : des différences entre CPAS difficiles à expliquer et donc à justifier

mars 2nd, 2017
L’augmentation du nombre d’étudiants aidés par les CPAS wallons est un phénomène bien connu.

Cinq faits caractérisent ou illustrent cette évolution :

  • l’augmentation du nombre de bénéficiaires du revenu d’intégration « étudiant » qui a quadruplé entre 2002 et 2016, passant d’environ 2.000 étudiants à un peu plus de 8.000
  • la part prépondérante des 18-24 ans dans le total des étudiants bénéficiaires du revenu d’intégration « étudiant » (environ 93% au cours des dernières années) 
  • il y a plus de femmes que d’hommes dans le dispositif (environ 57% en 2015-2016)
  • une quasi stabilisation de la part des jeunes bénéficiaires du revenu d’intégration reconnus comme étudiants depuis 2008, après une très forte augmentation entre 2002 et 2008 
  • enfin, les étudiants bénéficiaires de ce dispositif représentent une part croissante des étudiants de 18 à 24 ans (au total 1,4% en 2002, 3,9% en 2015 ; en 2015, 4,4% des étudiantes bénéficient d’un revenu d’intégration contre 3,5% des étudiants).

La note de l’Institut pour un Développement Durable se concentre sur les 18-24 ans.

Au total, accorder des revenus d’intégration « étudiant«  constitue probablement une charge financière et humaine supplémentaire pour le CPAS, mais qui s’inscrit dans sa mission de favoriser l’insertion des jeunes (et moins jeunes) en difficultés.

On ne soulignera jamais assez que l’octroi d’un revenu d’intégration « étudiant » dépend d’une décision discrétionnaire du conseil de l’action sociale. Certes, il y a des recours qui peuvent imposer l’octroi par une décision du tribunal ou de la cour du travail, mais ceux-ci sont relativement rares.

Qui dit décisions discrétionnaires donne à supposer qu’il peut y avoir des différences d’un CPAS à l’autre. Et c’est en effet le cas. Les écarts entre CPAS sont énormes, la proportion de jeunes aidés bénéficiant d’un revenu d’intégration « étudiant » s’étageant de 0% à plus de 80% des jeunes qui pourraient en bénéficier.

Le classement des CPAS en fonction du pourcentage de jeunes bénéficiant d’un revenu d’intégration « étudiant » (voir l’annexe) doit cependant être interprété avec prudence. Pour les raisons suivantes :

  • Beaucoup de CPAS proposent une palette de stages, formations, etc., aux jeunes considérés. Or, et c’est regrettable, seules des études de plein exercice peuvent être reconnues pour donner droit à un revenu d’intégration « étudiant ». Il est fort possible, voire probable, que pour diverses raisons certains CPAS proposent une proportion plus grandes de filières non considérées comme étant de plein exercice.
  • La proportion d’étudiants bénéficiant d’un revenu d’intégration « étudiant » est, à politique semblable, mathématiquement poussé à la baisse à due concurrence des jeunes qui ont terminé leurs études et restent au CPAS par après par manque d’insertion.
  • Il n’est pas exclu qu’il puisse y avoir des différences, sociologiques ou autres, dans les publics concernés. Mais, globalement, on peut supposer que des jeunes précaires partagent des caractéristiques proches et des parcours communs.
  • Enfin, accorder « facilement » le statut de revenu d’intégration « étudiant » n’est pas nécessairement un choix pertinent si certains étudiants ne sont pas vraiment outillés pour entamer ou poursuivre des études.

Ceci précisé, il n’en demeure pas moins que les écarts entre CPAS en matière de proportion de jeunes bénéficiant du revenu d’intégration « étudiant » ne peuvent être expliqués par ces seuls éléments.

On doit donc s’interroger ici sur deux points essentiels :

  1. Est-il normal que – à situation semblable – la possibilité d’entamer, de reprendre ou de continuer des études semble à ce point différente d’un CPAS à l’autre ? Le principe d’équité entre les citoyens n’est-il pas ici mis à mal ?
  2. Les CPAS ont-ils le temps et sont-ils suffisamment armés – en leur sein ou en faisant appel à d’autres structures – pour orienter, accompagner et aider ces jeunes étudiants dont le réseau social et familial est souvent de peu d’aide voir inexistant ?

La communauté des CPAS et les ministres concernés doivent se saisir de cette question. L’autonomie locale ne peut justifier de telles différences de traitement entre des jeunes précaires en fonction du CPAS dont ils dépendent. Un débat politique est donc nécessaire ; il devrait, idéalement, s’appuyer sur une étude plus fouillée visant à déterminer les mécanismes explicatifs de telles différences.

Les points à mettre en débat sont ceux-ci :

  • Ne faut-il pas d’abord poser la question de savoir si, finalement, c’est bien le rôle des CPAS de prendre en charge les études des jeunes précaires ? N’est-ce pas ici une mission dont s’est déchargé la Communauté ?
  • Comment articuler les aides apportées par les CPAS, la Communauté (bourses principalement) et les services sociaux des établissements concernés ? A cet égard ne faut-il pas mettre sur pied d’égalité les subsides sociaux des universités et hautes écoles ? De même ne faut-il pas donner plus de moyens pour l’accompagnement des jeunes précarisés dans le secondaire, d’où viennent une part importante des jeunes de 18 à 24 ans aidés par les CPAS ? 
  • Quel sera l’impact sur les CPAS de l’allongement probable des études et des éventuelles complexités des situations individuelles découlant du décret Marcourt, ce qui ne peut que compliquer encore l’accompagnement et les décisions des CPAS ?
  • Ne faut-il pas proposer à chaque CPAS de définir une politique (lignes directrices) en matière de revenu d’intégration « étudiant » et à la Fédération des CPAS d’harmoniser ou à tout le moins de rapprocher les pratiques ?
  • Enfin, le fédéral ne doit-il pas élargir à d’autres catégories d’études le statut de revenu d’intégration « étudiant » ?

Plus de données et explications dans la note jointe.

Pauvreté objective et Pauvreté subjective – des comparaisons éclairantes

mars 2nd, 2017

Les acteurs de la lutte contre la pauvreté ont parfois l’impression que les évolutions/fluctuations de l’indicateur de pauvreté officiel ne reflètent pas bien ce qu’ils observent sur le terrain.

Cette 8ième Brève de l’Institut pour un Développement Durable questionne l’indicateur officiel.

Il le fait en rendant compte d’un autre indicateur : la pauvreté subjective, autrement dit les difficultés de boucler le budget du ménage telles que rapportées par les ménages eux-mêmes.

Deux conclusions majeures ressortent des données analysées : on peut observer 1° une augmentation de la pauvreté subjective entre l’avant-crise et la période de crise et 2° une intensification des difficultés telles que vécues par les personnes vivant en bas de l’échelle des revenus (= sous le seuil de pauvreté), sauf pour les personnes âgées dont la situation absolue et relative s’améliore.

Les données et analyses sont détaillées dans le document joint.

Un indicateur de précarité socioéconomique pour la Wallonie – des évolutions inquiétantes

février 1st, 2017

L’ Institut pour un Développement Durable rend aujourd’hui public un indicateur de l’évolution de la précarité en Wallonie.

Cet indicateur, qui couvre la période 1999-2015, est un indicateur composite ; il est en effet basé sur plusieurs indicateurs partiels :

2 indicateurs de précarité sociodémographique

  • proportion de personnes vivant seules
  • proportion de parents seuls

et 4 indicateurs socioéconomiques

  • proportion de demandeurs d’emploi inoccupés (DEI)
  • proportion de bénéficiaires du revenu d’intégration (RIS)
  • proportion d’invalides (au sens de la législation de l’INAMI)
  • proportion de travailleurs en contrat à durée déterminée (contrats à durée déterminée).

Voyons d’abord le résultat global. Tel que mesuré par l’ Institut pour un Développement Durable, l’indicateur de précarité est passé de 100 en 1999 à 120 en 2015. Comme on peut le voir sur le graphique ci-après, l’indicateur de précarité a évolué en trois phases : montée assez soutenue entre 1999 et 2006 (+16%), une modeste contraction entre 2006 et 2008 et, depuis 2008, une augmentation de 6,6% (avec une très léger recul en 2011)

NB : Si les graphiques n’apparaissent pas vous les trouverez dans le fichier joint.

Des résultats plus détaillés sont présentés dans les graphiques suivants. Quatre observations :

  • l’indicateur de précarité des jeunes reste tendanciellement stable ; les fluctuations à la hausse ou à la baisse traduisent probablement les fluctuations des données issues d’enquêtes ; rappelons cependant que le niveau de précarité est très élevé dans cette catégorie d’âge ;
  • l’indicateur de précarité augmente très fortement chez les 50-64 ans ;
  • l’indicateur de précarité augmente plus vite chez les hommes (+23%) que chez les femmes (+18%)
  • l’indicateur de précarité sociodémographique a augmenté plus vite que l’indicateur de précarité socio-économique.


Pourquoi un tel indicateur ? Parce que l’indicateur européen de risque de pauvreté – l’étalon le plus utilisé aujourd’hui – est de moins en moins pertinent. Ses résultats semblent ne plus correspondre au vécu sur le terrain et à d’autres observations. La quasi-stabilité du taux de risque de pauvreté depuis plus de 10 ans apparaît ainsi en décalage par rapport aux données de fréquentation de nombreux services sociaux et aux contenus des témoignages et études qui indiquent qu’il y a de plus en plus de personnes en difficultés et que pour beaucoup les difficultés s’intensifient.

L’intuition à la base de cet exercice exploratoire est qu’il faut utiliser plutôt des indicateurs de précarité pour mieux coller aux évolutions objectives et/ou ressenties en matière de difficultés socio-économiques.

La précarité est un concept à multiples facettes et entrées. On peut néanmoins mettre en évidence plusieurs dimensions de ce concept :

  • la précarité est, en partie, subjective ; elle recouvre à la fois des situations de (grande) pauvreté matérielle et des vécus personnels de personnes qui craignent pour le lendemain, à tort ou à raison ; l’avenir des enfants est une préoccupation parfois douloureuse, a fortiori quand les moyens manquent, mais pas seulement ; la précarité est à la fois un état présent et un état potentiel ; ce sont à la fois les conditions de vie présentes, plus ou moins difficiles, et la peur de demain, la peur d’un « accident »… ;
  • la précarité se vit, comme la pauvreté, dans de nombreuses dimensions : conditions de vie matérielles, capital social, relations affectives… ;
  • le « basculement » d’une situation plus ou moins stable vers une situation plus ou moins précaire peut concerner toutes les personnes mais certaines catégories socio-économiques plus que d’autres ;
  • il n’y a pas d’automaticité dans le basculement ; c’est une question de circonstances et de fragilités individuelles qui se traduisent par des probabilités  ; d’où l’importance de faire la distinction entre les précarisables et les précarisés ;
  • la précarité est « contagieuse » dans le sens ou elle est vécue par les personnes directement et objectivement concernées mais également par ceux qui, à tort ou à raison (en termes de probabilités), se sentent (potentiellement) concernées ; c’est ce qu’exprime Régis Pierret quand il dit que « Nous sommes tous devenus vulnérables. » ou encore Roland Cayrol quand il observe que « On est tellement taraudés aujourd’hui par (la) question du chômage, pour soi-même, pour ses enfants et ses petits-enfants, que cela obère tout le reste et donne une teinte de mal-être profond à notre société. » ; plus fort encore, il est évident que l’on se situe en-dehors de toute probabilité « raisonnable » quand « Une large majorité des Français (60%) juge possible qu’eux-mêmes ou leurs proches se retrouvent un jour sans domicile fixe » comme ils l’ont exprimé dans un sondage en 2014.

La complexité de la réalité et l’étendue de la précarité dans nos sociétés doivent nous inciter à une grande prudence dans l’interprétation de l’indicateur de précarité. Ce n’est pas parce que l’indicateur construit « monte » – correspondant ainsi à une intuition et/ou une impression largement partagées que la précarité est orientée à la hausse et qu’on a donc envie d’y croire – qu’il est nécessairement pertinent et explicatif.

Si j’ai néanmoins décidé de publier ces premiers résultats c’est pour trois raisons principales :

  1. Entretenir le débat sur les indicateurs de pauvreté et de précarité. Il faut (vraiment) dépasser le traditionnel indicateur de pauvreté car il devient in fine contre-productif dans l’analyse et la politique sociales.
  2. Donner l’envie et la volonté de produire (ou produire à nouveau) d’autres indicateurs de pauvreté/précarité.
  3. Partager des résultats qui sont en soi intéressants, d’autant plus que certains peuvent étonner.  On notera en particulier la montée plus forte de l’indicateur de précarité chez les 50-64 ans et, globalement, chez les hommes. D’autre part, la fixation politique et médiatique sur l’évolution du chômage empêche d’avoir une vision plus large des catégories socio-économiques en difficultés et conduit à ignorer les « transferts » du chômage vers les CPAS et l’invalidité.

Plus de données, analyses et commentaires dans la note jointe, en espérant que cette note permettra de ranimer le débat pour améliorer notre regard sur nos concitoyens précaires.

L’emploi sous le gouvernement Michel Ier

décembre 12th, 2016

L’emploi a – proportionnellement – plus augmenté durant les 541 jours
sans gouvernement (2010-2011) qu’au cours des deux premières années du
gouvernement Michel Ier.

C’est une des quelques mises en perspective proposées par la 6ième Brève
de l’IDD.

Celle-ci réagit à l’annonce de la création de 104.900 emplois depuis la
mise en place du Gouvernement Michel Ier (11 octobre 2014) et aux
dernières prévisions de la Banque nationale estimant à 120.400
l’augmentation de l’emploi intérieur total entre 2016 et 2019.

La suite dans la note jointe.