1. Introduction

Dans cet article, nous évaluons la relation entre les conditions de travail des salariés européens et les deux grandes tendances mondiales que sont la fragmentation internationale de la production, qui se traduit par la participation aux chaînes de valeur mondiales (CVM), et le progrès technologique porté par des innovations numériques issues de la combinaison de trois composantes – le matériel (robotique avancée et imprimantes 3D), les logiciels (analyse de données massives, informatique en nuage) et la connectivité (ONUDI, 2019, p. xvi). Nous cherchons plus précisément à savoir si l’adoption des technologies numériques modifie le lien entre CVM et différents aspects des conditions de travail (salaires et qualité de l’emploi) dans les pays développés.

Les déterminants des conditions de travail sont nombreux, depuis la croissance de l’emploi temporaire (Aleksynska, 2018) jusqu’aux caractéristiques de la structure professionnelle au sein des entreprises (Clark, D’Ambrosio et Zhu, 2021) en passant par l’organisation du travail et les relations sociales impliquées dans le travail (Briken et al., 2017; Gandini, 2019; Harley, 2018), l’utilisation (parfois excessive) des technologies (Salanova, Llorens et Ventura, 2014; Badri, Boudreau-Trudel et Souissi, 2018; Brynjolfsson, Mitchell et Rock, 2018) et la complexité des chaînes de valeur (Berliner et al., 2015; Bernhardt et Pollak, 2016; Parteka, Wolszczak-Derlacz et Nikulin, 2024). Nous nous intéressons ici plus particulièrement à l’interaction entre les deux derniers phénomènes, à savoir le progrès technologique et les CVM. Les CVM s’étant multipliées, des inquiétudes sont apparues au sujet de leurs répercussions sur les conditions de travail (par exemple Barrientos, Gereffi et Rossi, 2011; Barrientos et al., 2016; Berliner et al., 2015; Bernhardt et Pollak, 2016; Nikulin, Wolszczak-Derlacz et Parteka, 2022), la protection des droits des travailleurs (Delautre, Echeverría Manrique et Fenwick, 2021) et les relations sociales dans le cadre professionnel (Reinecke et al., 2018). Sachant qu’environ 70 pour cent des échanges mondiaux impliquent des CVM¹, il n’est pas possible de faire abstraction des changements de modèle économique dus à la fragmentation transfrontalière de la production. Dans le même temps, on peut difficilement aborder les CVM sans tenir compte du progrès phénoménal des technologies numériques, en particulier de l’intelligence artificielle (IA), autre force puissante à l’œuvre ces dernières décennies (Aghion, Jones et Jones, 2019; Hernandez et Brown, 2020; Lu et Zhou, 2021). Le progrès a favorisé l’intensification des liens de production entre les pays, ainsi que le «deuxième dégroupage» (Baldwin, 2013) qui a touché les marchés du travail modernes (Agrawal, Gans et Goldfarb, 2019; Acemoglu et Restrepo, 2018; Brynjolfsson et Mitchell, 2017; Brynjolfsson, Mitchell et Rock, 2018; Lane et Saint-Martin, 2021; OCDE, 2023).

Nous nous concentrons sur les économies développées d’Europe, parce que les efforts déployés pour garantir le travail décent, qui s’incarnent dans des programmes d’action internationaux tels que le Programme de développement durable à l’horizon 2030 des Nations Unies, ne visent pas seulement le monde en développement et des enjeux tels que le travail des enfants et les conditions de travail dangereuses (Delautre, Echeverría Manrique et Fenwick, 2021). Outre qu’elle est inégale en Europe selon les secteurs d’activité et les emplois (Eurofound, 2020) et varie en fonction du sexe, de la classe d’âge, du type de contrat de travail et de la profession (Eurofound, 2021), la qualité de la vie professionnelle est globalement insatisfaisante – du moins à certains égards. Ce constat transparaît dans les indicateurs de suivi européens du Programme de développement durable à l’horizon 2030, appelant «à des possibilités de plein emploi et de travail décent pour tous» (ODD 8 – c’est nous qui soulignons)², tout comme il transparaissait déjà dans le Traité sur le fonctionnement de l’Union européenne (TFUE), dans la stratégie de Lisbonne et dans la stratégie Europe 2020, qui faisaient de l’amélioration des droits des travailleurs l’une des dimensions importantes des objectifs liés au marché du travail. Pourtant, d’après l’édition 2021, administrée par téléphone, de l’enquête européenne sur les conditions de travail (European Working Conditions Survey – EWCS) (Eurofound, 2022), 49 pour cent des travailleurs européens indiquent devoir souvent travailler à un rythme rapide, tandis que 19 pour cent déclarent être confrontés à des situations émotionnellement pénibles. Qui plus est, la transformation du lieu de travail s’accompagne d’une augmentation des risques psychosociaux ou de l’intensité du travail, et brouille la ligne de démarcation entre vie professionnelle et vie privée (Eurofound, 2021). Ces phénomènes pourraient être accentués par l’augmentation, observée dans beaucoup de pays européens, du pourcentage de personnes dont la profession implique une plus grande utilisation de technologies numériques modernes, dont l’IA (Albanesi et al., 2023).

À l’issue d’une revue de la littérature sur ces questions (partie 2), nous avons repéré plusieurs thèmes inexplorés par la recherche, auxquels nous avons décidé de consacrer notre étude européenne. Premièrement, rares sont les travaux sur les CVM qui abordent des sujets tels que la sécurité et la santé au travail, la satisfaction professionnelle ou la sécurité de l’emploi (Budría et Baleix, 2020; Geishecker, 2012). Même les auteurs qui analysent les conséquences sociales des CVM s’intéressent surtout à leurs répercussions sur les salaires ou le risque de suppression d’emplois (Baumgarten, Geishecker et Görg, 2013; Ebenstein et al., 2014; Geishecker, Görg et Munch, 2010; Parteka et Wolszczak-Derlacz, 2019 et 2020; Shen et Silva, 2018; Hummels, Munch et Xiang, 2018). Ces études ne rendent pas pleinement compte de la complexité des conditions de travail, notamment d’aspects relativement difficiles à quantifier comme la qualité de l’environnement physique, le soutien social et la qualité de l’encadrement, les perspectives d’évolution de carrière, l’équilibre entre vie professionnelle et vie privée et l’impact de l’intensité du travail sur la santé et le bien-être (Eurofound, 2021). Nous abordons quant à nous les conditions de travail dans leurs multiples facettes, dont la dimension économique du travail et ses effets sur les conditions de vie, en fournissant des estimations qui reposent sur des données financières (concernant les salaires) et sur des informations relatives à différents aspects de la qualité de l’emploi³. Nous postulons que les dimensions non salariales de l’emploi ont des répercussions aussi importantes que le salaire sur le bien-être des salariés. Cette approche s’inscrit dans la même ligne que le concept de «revenu équivalent» utilisé dans les études sur le bien-être (voir, par exemple, Decancq, Fleurbaey et Schokkaert, 2015; Fleurbaey, 2015) ou que le modèle du stress au travail (demand-control theory) (Karasek et Theorell, 1990), qui établit un lien entre les exigences du travail et la charge mentale qu’il impose d’une part et l’état de santé physique et mentale des salariés d’autre part. Il est possible que de mauvaises conditions de travail – hors salaire – soient compensées par une rémunération plus élevée, mais peu de données empiriques confirment cette thèse (par exemple Bonhomme et Jolivet, 2009; Fernández et Nordman, 2009).

Deuxièmement, jusqu’à présent, les auteurs qui se sont intéressés à la qualité de l’emploi n’ont pas évalué l’impact de la fragmentation de la production dans un contexte de transformation continue du paysage technologique. Les chercheurs en sciences sociales semblent s’être laissé distancer par le rythme des avancées qui ont eu lieu dans le domaine du numérique, dont le rôle croissant de l’IA dans la vie professionnelle est une manifestation (Albanesi et al., 2023; OCDE, 2023). L’utilisation de technologies numériques telles que l’IA peut être mesurée au moyen de l’approche fondée sur les tâches (Autor, Levy et Murnane, 2003; Acemoglu et Restrepo, 2018), qui assimile une profession à un ensemble de tâches ne nécessitant pas toutes le même recours aux technologies. Il est possible d’évaluer le rôle de l’IA dans l’exécution des tâches propres à une profession donnée (Webb, 2020) et les compétences que les tâches en question exigent (Felten, Raj et Seamans, 2018 et 2019) ou encore d’apprécier si des activités, tâches ou professions sont automatisables grâce à l’apprentissage automatique (suitability for machine learning) (Brynjolfsson, Mitchell et Rock, 2018). Ces outils de mesure ont principalement été utilisés pour évaluer l’impact de l’IA sur l’évolution de l’emploi aux États-Unis (Acemoglu et al., 2022) ou en Europe (Albanesi et al., 2023). Alors que les effets des technologies de l’information ou de l’automatisation sur les travailleurs qui exécutent des tâches routinières ont été amplement étudiés (Autor, Levy et Murnane, 2003; Autor et Handel, 2013; Autor et Dorn, 2013; Frey et Osborne, 2017; Goos, Manning et Salomons, 2014; Marcolin, Miroudot et Squicciarini, 2016; Spitz-Oener, 2006; Acemoglu et Restrepo, 2020), la littérature consacrée à l’impact de l’IA sur les travailleurs est naissante. Dans une étude réalisée pour le Parlement européen, Deshpande et ses coateurs (2021) établissent un bilan et un pronostic en demi-teinte concernant les répercussions de l’IA sur le marché du travail. Ils constatent que cette technologie offre certes des perspectives prometteuses (réduction des conditions de travail dangereuses ou dangereuses pour la santé et amélioration de l’accessibilité de certains emplois), mais engendre aussi des risques physiques et psychosociaux.

Nous entendons ici enrichir la littérature sur les conditions de travail et les CVM en analysant le rôle de l’évolution de l’IA et d’autres aspects du progrès technologique (informatisation et automatisation). Nos résultats économétriques laissent penser que, en moyenne, l’appartenance aux CVM est liée par une corrélation négative avec le salaire et par une corrélation (légèrement) positive avec certaines dimensions non monétaires de la qualité de l’emploi, en particulier lorsque l’on prend en compte l’utilisation des logiciels et des robots. Dans les emplois où l’IA joue un rôle important, une intégration plus forte dans les CVM a un impact négatif sur le salaire, mais n’a pas d’influence significative sur la qualité de l’emploi. Nous constatons donc que l’influence de l’appartenance aux CVM sur le salaire et sur diverses facettes de la qualité de l’emploi est sans doute hétérogène, et qu’il faut par conséquent analyser les dimensions non salariales en plus des salaires eux-mêmes. Parallèlement, nous montrons que l’incidence des technologies numériques sur le lien entre CVM et conditions de travail est marginale, voire inexistante. En d’autres termes, les facteurs technologiques n’ont pas d’impact économiquement significatif sur la relation entre conditions de travail et CVM.

Après une revue de la littérature sur les déterminants des conditions de travail (partie 2), nous présentons des informations descriptives relatives à ces conditions en Europe (partie 3). Nous exposons ensuite nos principaux résultats, en établissant un lien entre les trajectoires observées en matière de qualité de l’emploi et de salaire d’une part et les CVM et caractéristiques technologiques des emplois d’autre part (partie 4), puis analysons les conclusions qui s’en dégagent (partie 5).

2. Déterminants des conditions de travail: revue de la littérature

Les conditions de travail ont fait l’objet d’une littérature abondante. En l’absence de définition unique de ces conditions et/ou de la qualité de l’emploi (Clark, 2015; Steffgen, Sischka et Fernandez de Henestrosa, 2020), il est possible d’analyser les multiples dimensions du bien-être des travailleurs de divers points de vue, en mobilisant différentes méthodes. Les aspects économiques d’un emploi peuvent être quantifiés au moyen d’indicateurs monétaires (tels que le salaire) conjugués avec des informations sur le temps de travail ou la nature du travail (travail de nuit/posté/temporaire) (Aleksynska, 2018; Piasna, 2018; Rossi, 2013). D’autres attributs non monétaires, par exemple des aspects intrinsèques tels que l’autonomie, l’utilité sociale, les relations interpersonnelles ou le cadre social dans lequel le travail se déroule jouent aussi un rôle central dans le bien-être des travailleurs (Cascales Mira, 2021; Clark, D’Ambrosio et Zhu, 2021; Gallie, Felstead et Green, 2012). Clark, Kristensen et Westergård-Nielsen (2009), par exemple, font valoir que la satisfaction professionnelle peut être liée à la rémunération des collègues. Cette relation peut être positive, parce que cette rémunération informe sur les perspectives qu’offre un poste (voir également Javdani et Krauth, 2020), mais aussi négative parmi les travailleurs dont le salaire est inférieur au salaire médian (Card et al., 2012). La diversité entre hommes et femmes au travail favorise le bien-être des salariés (Clark, D’Ambrosio et Zhu, 2021). Qui plus est, la perception de ce qui constitue un «bon emploi» est éminemment subjective, ce qui est une source de complexité complémentaire. Elle diffère selon le genre par exemple (Kaufman et White, 2015) et en fonction d’autres caractéristiques des travailleurs, telles que la situation familiale, le niveau de qualification ou la profession (Sutherland, 2012), parce qu’elle reflète des aspirations différentes sur le plan professionnel.

Les chercheurs en économie tentent aussi d’apprécier l’impact des évolutions de l’environnement économique mondial, comme la fragmentation de la production entre les pays et le progrès technologique. Il est avéré que la spécialisation verticale, qui a d’abord été mesurée à l’aune des délocalisations (Baumgarten, Geishecker et Görg, 2013; Ebenstein et al., 2014; Egger, Kreickemeier et Wrona, 2015) et, récemment, par des indicateurs de participation aux CVM calculés à partir de données mondiales entrées-sorties (Feenstra et Sasahara, 2018; Parteka et Wolszczak-Derlacz, 2019 et 2020) a des répercussions profondes sur le marché du travail. Si la littérature est abondante, elle apprécie le plus souvent ce phénomène sous un angle strictement économique, à partir d’informations sur les salaires (Baumgarten, Geishecker et Görg, 2013; Ebenstein et al., 2014; Geishecker, Görg et Munch, 2010; Parteka et Wolszczak-Derlacz, 2019 et 2020; Shen et Silva, 2018)⁴. L’utilisation de la rémunération comme indicateur des conditions de travail est en partie justifiée par le concept de progrès social⁵, qui reflète l’amélioration du bien-être des travailleurs liée à la participation des entreprises à la production mondiale (Milberg et Winkler, 2011). En revanche, les travaux empiriques sur les conséquences sociales au sens large – au-delà de la seule rémunération – des échanges et de la multiplication des CVM aboutissent à des conclusions contrastées. Certains auteurs confirment l’existence d’un lien positif, mettant en lumière une amélioration des conditions de travail dans les entreprises relativement impliquées dans le commerce international (Nadvi et al., 2004; Bair et Gereffi, 2001). D’autres constatent que le lien entre progrès économique et progrès social dépend du secteur d’activité (Bernhardt et Pollak, 2016). D’autres encore font valoir qu’une plus grande intégration dans les CVM n’est pas nécessairement synonyme de rémunération plus élevée ou de meilleures conditions de travail (Gimet, Guilhon et Roux, 2015; Lee et Gereffi, 2013; Lee, Gereffi et Lee, 2016).

En outre, les liens entre l’intégration dans les CVM et les dimensions non financières des conditions de travail ont surtout été analysés pour les pays en développement (Bair et Gereffi, 2001; Barrientos et al., 2016; Kabeer et Mahmud, 2004; Lee, Gereffi et Lee, 2016; Rossi, 2013). Rares sont les auteurs qui ont cherché à savoir comment ces liens varient entre différentes catégories de travailleurs dans les pays développés, et ceux qui l’ont fait ont le plus souvent limité leur analyse à un secteur ou pays. Ainsi, Smith et Pickles (2015) observent qu’en Slovaquie, dans l’habillement, les employés d’entreprises exportatrices perçoivent peut-être un salaire et des prestations plus élevés, mais ne jouissent pas nécessairement d’une plus grande stabilité de l’emploi. Lloyd et James (2008) constatent un impact positif de l’intégration dans les CVM sur la sécurité et la santé des travailleurs employés dans l’agroalimentaire au Royaume-Uni. Budría et Baleix (2020) analysent les effets de la fragmentation de la production sur la satisfaction professionnelle individuelle et sur le risque perçu de perte d’emploi parmi les travailleurs allemands et concluent à l’existence d’un lien négatif entre délocalisations et satisfaction dans l’emploi. Certaines études portent sur plusieurs pays, mais elles retiennent généralement le salaire pour seul indicateur des conditions de travail (Parteka et Wolszczak-Derlacz, 2019 et 2020). Nikulin, Wolszczak-Derlacz et Parteka (2022) vont un peu plus loin et examinent comment l’intégration aux CVM influe sur le salaire, le temps de travail et les primes dans 24 pays européens. Elles constatent que cette influence varie en fonction de l’indicateur retenu: dans les secteurs relativement dépendants des CVM, les salariés ont une rémunération plus faible et moins stable, mais ils risquent aussi moins d’accomplir des heures supplémentaires. Les autrices invitent à réaliser des travaux supplémentaires pour étudier d’autres dimensions du bien-être des travailleurs.

D’autres auteurs analysent l’impact du progrès technologique au niveau des travailleurs. L’existence d’un lien étroit entre des avancées technologiques rapides et la situation du marché du travail, notamment le salaire et l’emploi, est amplement reconnue (pour une vue d’ensemble, voir Georgieff, 2024; Goos, 2018). Une série de travaux influents met en lumière l’effet de déplacement, qui concerne typiquement les emplois très routiniers faciles à informatiser et à remplacer par des robots (Frey et Osborne, 2017), et le degré de substitution entre robots (automatisation) et humains (Acemoglu et Restrepo, 2018 et 2020). D’après les hypothèses selon lesquelles le progrès technologique serait favorable aux travailleurs qualifiés et toucherait davantage les tâches routinières (Acemoglu et Autor, 2011; Autor, Levy et Murnane, 2003; Goos, Manning et Salomons, 2014), les nouvelles technologies pourraient être profitables aux travailleurs très qualifiés, tandis qu’elles constituent un risque pour les non-qualifiés, qui forment le groupe le plus vulnérable⁶.

En l’état actuel de la recherche, il apparaît que les technologies les plus récentes ont des effets complexes, qui ne se résument pas au simple remplacement de l’humain par la machine. Le numérique a un impact important sur le bien-être des travailleurs, parce qu’il peut peser sur l’équilibre entre vie professionnelle et vie privée ou être une source de «techno-anxiété» (Tarafdar, Cooper et Stich, 2019; Salanova, Llorens et Ventura, 2014; Berg-Beckhoff, Nielsen et Ladekjær Larsen, 2017). L’IA peut exercer une influence sur les interactions entre l’humain et la machine, et modifier les environnements de travail ou en engendrer de nouveaux (Lane et Saint-Martin, 2021), avec les conséquences qui peuvent en résulter pour le bien-être des travailleurs (Nazareno et Schiff, 2021). L’IA générative peut avoir un impact sur la quantité d’emplois et sur leur qualité (Gmyrek, Berg et Bescond, 2023).

Les liens entre progrès technologique et emploi varient selon que les tâches professionnelles sont ou non automatisables grâce à l’apprentissage automatique (Brynjolfsson et Mitchell, 2017). Antón, Fernández-Macías et Winter-Ebmer (2020) constatent que la robotisation peut avoir une relation négative avec l’intensité du travail et qu’elle n’entretient pas de lien avec l’environnement physique ou encore les compétences et la latitude décisionnelle. Turja et al. (2024) observent qu’en moyenne les salariés d’entreprises qui ont adopté la robotisation sont moins satisfaits de leur vie professionnelle que leurs collègues exerçant dans un lieu de travail sans robots. Pour ce qui est des technologies liées à l’IA, les impacts constatés n’ont pas tous trait à l’effet de déplacement. Ces solutions peuvent même être bénéfiques dans les professions hautement qualifiées (Lane et Saint-Martin, 2021, p. 23). D’après Webb (2020), alors que les emplois les plus concernés par les robots et les logiciels sont généralement ceux qui comportent beaucoup de tâches routinières, l’IA «exécute des tâches impliquant une reconnaissance de motifs, des jugements et une optimisation» (Webb, 2020, p. 3), autrement dit des tâches typiques de nombreuses professions très qualifiées. Malgré l’inquiétude que suscite l’idée selon laquelle l’IA pourrait remplacer le travail humain, Felten, Raj et Seamans (2019) montrent que son utilisation ne s’accompagne certes pas d’une croissance de l’emploi, mais qu’elle a un lien positif avec le salaire. En revanche, les données récentes relatives à l’Europe fournies par Albanesi et al. (2023) laissent penser qu’elle pourrait aller de pair avec une croissance de l’emploi, en particulier parmi les travailleurs qualifiés, mais n’avoir qu’un effet négligeable sur la rémunération. De même, Acemoglu et al. (2022) observent que l’utilisation de l’IA va de pair avec une hausse significative de l’emploi au niveau de l’entreprise, mais n’a pas d’effet significatif sur l’emploi ou les salaires au niveau de la profession ou du secteur. Pour expliquer ce résultat, ils avancent que les «technologies reposant sur l’IA n’en sont qu’à leurs balbutiements» (ibid., S337) et que les tâches liées à cette technologie ne concernent qu’une petite partie de l’économie des États-Unis. Dans une étude portant sur l’Allemagne, Grimm et Gathmann (2022) montrent que l’IA a un impact positif sur les salaires et que la robotisation a un effet faible mais positif. Enfin, les travaux les plus récents sur l’IA générative révèlent une possible incidence positive sur la croissance de la productivité (Brynjolfsson, Li et Raymond, 2023; Calvino et Fontanelli, 2023).

En somme, les travaux empiriques sur les liens entre technologies et travail montrent que l’automatisation a un impact net ambigu sur les salaires, parce qu’elle a deux effets antagonistes: un effet de substitution et un effet sur la productivité. Le résultat final dépend de la place des tâches routinières dans un emploi (ou du niveau de qualification) (voir par exemple Acemoglu et Restrepo, 2020; van der Velde, 2020). Quant aux données empiriques sur l’incidence de l’IA sur les salaires, elles sont également contrastées (pour une vue d’ensemble, voir Georgieff, 2024).

Globalement, les conditions de travail sont difficiles à quantifier, parce qu’elles sont multidimensionnelles et intangibles. Une des méthodes possibles consiste à faire appel à des indicateurs composites de la qualité de l’emploi (pour une vue d’ensemble, voir Cascales Mira, 2021). De nombreux indicateurs de ce type ont été mis au point en Europe par l’OIT, Eurostat et Eurofound (voir, entre autres, Cazes, Hijzen et Saint-Martin, 2015). Ils reposent à la fois sur des indices synthétiques et sur des mesures des aspects individuels de la qualité de l’emploi. À titre d’exemple, l’indice de la qualité de l’emploi élaboré par l’Institut syndical européen (European Trade Union Institute – ETUI) (Leschke, Watt et Finn, 2008) et calculé pour les pays d’Europe comprend les dimensions suivantes: i) salaires; ii) formes d’emploi atypiques; iii) temps de travail et conciliation vie professionnelle-vie privée; iv) conditions de travail et sécurité de l’emploi; v) compétences et évolution de carrière; et vi) représentation collective. Les rapports publiés régulièrement à partir des résultats de l’EWCS (Eurofound, 2017, 2020, 2021 et 2022) tentent de rendre compte de la complexité de la qualité de l’emploi et reposent sur des indicateurs qui renseignent sur l’environnement physique, l’intensité du travail, la qualité du temps de travail, l’environnement social, les compétences et la latitude décisionnelle, les perspectives de carrière et la rémunération. L’EWCS constitue la principale source des données employées dans la partie suivante.

3. Données et approche empirique

3.3. Modèle

Notre principal objectif consiste à analyser la relation complexe entre différents aspects des conditions de travail, l’ampleur de la participation aux CVM et la place des technologies dans les différentes professions. Nous estimons à cette fin la régression de Mincer augmentée suivante:

$\mathit{\text{J}}{\mathit{\text{Q}}}_{\mathit{\text{iojsc}}}^{\mathit{\text{k}}}=\alpha +{\beta }_1\mathit{\text{Worke}}{\mathit{\text{r}}}_{\mathit{\text{i}}}+{\beta }_2\mathit{\text{Fir}}{\mathit{\text{m}}}_{\mathit{\text{j}}}+{\beta }_3\mathit{\text{Pro}}{\mathit{\text{d}}}_{\mathit{\text{s}}}+{\beta }_4\mathit{\text{CV}}{\mathit{\text{M}}}_{\mathit{\text{sc}}}+{\beta }_5\mathit{\text{Tec}}{\mathit{\text{h}}}_{\mathit{\text{o}}}+{\beta }_6\mathit{\text{CV}}{\mathit{\text{M}}}_{\mathit{\text{sc}}}\times \mathit{\text{Tec}}{\mathit{\text{h}}}_{\mathit{\text{o}}}+{\mathit{\text{D}}}_{\mathit{\text{c}}}+{\mathit{\text{D}}}_{\mathit{\text{s}}}+{\epsilon }_{\mathit{\text{iojsc}}}$     (1)

où i représente le travailleur, o la profession, j l’entreprise, s le secteur d’activité, c le pays, et k un indicateur de qualité de l’emploi (JQ) mesuré à partir de données de l’EWCS. Nous estimons également une autre équation, dans laquelle nous remplaçons JQ par le logarithme du salaire. Dans les estimations de JQ (s’appuyant sur les données de l’EWCS), le terme (Worker_i) désigne un ensemble de caractéristiques individuelles. Il comprend le sexe, l’âge, le niveau d’instruction et les compétences (quatre types de compétences, en fonction de la profession). Dans le cas de la régression salariale, basée sur des données de l’ESS plus détaillées, le terme (Worker_i) inclut le sexe, l’âge, le niveau d’études et le type d’emploi (variable binaire indiquant si l’emploi est à plein temps ou à temps partiel). Firm_j désigne une série de caractéristiques professionnelles liées à l’entreprise, englobant le type de contrat (à durée indéterminée/temporaire) et le type d’emploi (plein temps ou temps partiel) dans le modèle qui fait appel aux indicateurs de l’EWCS, et l’ancienneté dans l’entreprise, le type d’emploi (plein temps ou temps partiel) et le statut de l’entreprise (public/privé) dans la régression salariale¹⁴. La productivité sectorielle (Prod_s, exprimée en logarithme) est obtenue en rapportant la valeur ajoutée au nombre total d’heures travaillées par les salariés. CVM_sc est un indicateur indirect de l’intégration aux CVM d’un secteur d’activité donné dans un pays donné, et Tech_o est un indicateur d’utilisation des technologies calculé au niveau de la profession. Nous introduisons également un terme d’interaction entre CVM et Tech, qui mesure si l’impact de la participation aux CVM sur les conditions de travail varie en fonction du type de technologie concernée (CVM_sc × Tech_o). L’effet marginal de la participation aux CVM sur la qualité de l’emploi s’écrit ainsi:

$\frac{\delta \mathit{\text{JQ}}}{\delta \mathit{\text{CVM}}}={\beta }_4+{\beta }_6\mathit{\text{Tech}}.$     (2)

La formule est la même pour le salaire:

$\frac{\delta ln\left(\mathit{\text{wage}}\right)}{\delta \mathit{\text{CVM}}}={\beta }_4+{\beta }_6\mathit{\text{Tech}}.$     (3)

Ces deux équations peuvent être représentées graphiquement (figures 1 et 2). Nous introduisons en outre des effets fixes pays et secteur: D_c devrait neutraliser toutes les caractéristiques propres aux différents pays, par exemple la réglementation du marché du travail, et D_s les caractéristiques sectorielles restantes.

Figure 1

Impact d’une évolution de la participation aux CVM sur les indicateurs de qualité de l’emploi prédits, pour différents degrés d’utilisation des technologies (illustration des résultats présentés dans les tableaux 1 à 3)

Notes: Les droites représentées sur la figure correspondent au degré d’utilisation de la technologie. Les professions sont réparties dans trois catégories en fonction de la valeur de l’indicateur technologique (faible = 10, moyenne = 40, forte = 80).

Source: Calculs des autrices à partir de données de l’EWCS et de la base de données WIOD, et de Webb (2020).

Figure 2.

Impact d’une évolution de la participation aux CVM sur le logarithme du salaire prédit, pour différents degrés d’utilisation des technologies (illustration des résultats présentés dans le tableau 4)

Notes: Les droites représentées sur la figure correspondent au degré d’utilisation de la technologie. Les professions sont réparties dans trois catégories en fonction de la valeur de l’indicateur technologique (faible = 10, moyenne = 40, forte = 80).

Source: Calculs des autrices à partir des indicateurs de qualité de l’emploi issus de la vague 2015 de l’EWCS, de données de la vague 2014 de l’ESS et de l’édition 2016 de la base de données WIOD, ainsi que des indicateurs technologiques de Webb (2020).

Dans le modèle qui a pour variables dépendantes les indicateurs de qualité de l’emploi de l’EWCS (compris entre 0 et 1), l’équation (1) est estimée au moyen d’une méthode probit fractionnaire¹⁵, tandis que, dans l’autre modèle, l’équation (2) est estimée par les moindres carrés ordinaires (MCO) pondérés. Les poids sont calculés sur la base du coefficient d’extrapolation de l’ESS, ajusté en fonction du nombre d’observations par pays (l’objectif étant que chaque pays soit représenté de la même manière dans l’échantillon). Pour les deux catégories de variables dépendantes, nous estimons les régressions en groupant les erreurs types robustes au niveau de la paire pays-secteur.

Dans la partie suivante, nous présentons les résultats obtenus lorsque les variables dépendantes sont les indicateurs de qualité de l’emploi de l’EWCS (partie 4.1) et lorsque la qualité de l’emploi a été remplacée par le salaire (partie 4.2).

4. Résultats

5. Conclusions

Il n’existe pour l’heure pas d’étude exhaustive de l’impact que peut avoir l’interaction entre l’internationalisation de la production et les progrès du numérique sur la qualité de l’emploi et les conditions de travail, y compris dans le contexte de l’Europe. Dans cet article, nous avons cherché à apporter un nouvel éclairage sur la disparité des conditions de travail en Europe. Plus précisément, nous nous sommes attachées à mieux comprendre ce qui influe sur le bien-être professionnel des Européens. Nous avons à cette fin: i) fait appel à une approche multidimensionnelle pour quantifier les conditions de travail (utilisant le salaire et plusieurs dimensions de la qualité de l’emploi); et ii) évalué conjointement le rôle de la dépendance des marchés du travail européens à l’égard des CVM et celui de divers types de technologies numériques.

Sur le premier point, nous avons enrichi l’approche classique, strictement économique, de l’impact des CVM et des technologies sur les travailleurs en introduisant la dimension sociale des conditions de travail. Comme les salaires ne rendent pas pleinement compte de la complexité des facteurs professionnels qui influent sur le bien-être, nous avons inclus dans notre analyse des dimensions non monétaires de la qualité de l’emploi telles que la qualité de l’environnement physique et social, les perspectives de carrière et l’intensité du travail. De fait, nous constatons que les conditions de travail diffèrent d’un pays européen à l’autre et selon la profession, mais aussi en fonction de la dimension de la vie professionnelle considérée. Il n’est pas instructif de comparer des moyennes calculées pour l’ensemble des pays, parce que le bien-être des travailleurs dépend en réalité de dimensions précises de la qualité de l’emploi, du secteur d’activité, de la profession exercée et des caractéristiques individuelles. Il est donc nécessaire d’adopter une approche transnationale microéconomique.

Sur le deuxième point, nous voulions examiner la manière dont les deux phénomènes mondiaux que sont l’intensification des liens de production transnationaux et le progrès rapide du numérique influent sur la qualité de l’emploi (comparativement à leur influence sur les salaires). Nous avons estimé à cette fin plusieurs modèles économétriques reliant les salaires et des indicateurs de qualité de l’emploi à l’intensité de la participation aux CVM et aux caractéristiques technologiques des professions exercées (ainsi qu’à plusieurs variables de contrôle). Ce faisant, nous avons exploité trois volets de la littérature consacrée à ces questions: i) les travaux en économie/sociologie du travail sur les conditions de travail et le travail décent; ii) les études économiques internationales sur la fragmentation de la production; et iii) la littérature sur l’impact du progrès des technologies numériques sur les conditions de travail.

Nous avons constaté qu’en moyenne (après prise en compte des caractéristiques individuelles et de celles de l’entreprise) la participation aux CVM a un lien négatif avec le salaire et (légèrement) positif avec certaines dimensions non monétaires de la qualité de l’emploi lorsque l’on tient compte de l’utilisation des logiciels ou des robots. Lorsque la technologie utilisée est l’IA, une intensification de la participation aux CVM a un impact négatif sur les salaires, mais n’a pas d’effet significatif sur les indicateurs de qualité de l’emploi. Autrement dit, les répercussions de la participation aux CVM sur le salaire et sur diverses facettes de la qualité de l’emploi sont sans doute hétérogènes, d’où la nécessité d’analyser les dimensions non salariales en plus des salaires eux-mêmes. Nous constatons également, et il s’agit d’un point important, que l’utilisation des technologies ne modifie pas de manière économiquement significative la relation entre les liens de production mondiaux d’une part et la qualité de l’emploi et les salaires d’autre part.

Notre approche permet de surmonter les difficultés rencontrées pour quantifier les effets de la fragmentation mondiale de la production sur les travailleurs. Il n’est pas possible de remédier à des problèmes concrets tels que la surcharge de travail, la techno-anxiété ou la mauvaise qualité de l’environnement social ou physique sans en connaître les causes. Il ressort de notre analyse qu’apparier les informations contenues dans les tableaux entrées-sorties avec des microdonnées détaillées sur la qualité de l’emploi permet d’obtenir une vision plus complète de l’impact des CVM sur les travailleurs. Nous espérons que notre étude, qui explore les disparités entre pays, secteurs, professions et travailleurs, confirme de manière convaincante la nature multidimensionnelle des conditions de travail. Les enseignements qui peuvent en être tirés peuvent être utiles à la formulation de politiques publiques adaptées et coordonnées dans le but de contrer la dégradation des normes du travail provoquée par la concurrence internationale – comme celle qu’engendrent les CVM –, et de relever les défis engendrés par les progrès rapides du numérique. Garantir des normes du travail équitables et de qualité est un impératif, parce que les problèmes de santé et la baisse de l’efficacité professionnelle induits par de mauvaises conditions de travail exigent une intervention des pouvoirs publics.

Dans cet article, nous fournissons des informations empiriques sur l’impact de nouvelles formes de technologies et contribuons ainsi à une littérature de plus en plus riche sur les liens entre les technologies numériques et les marchés du travail. Une récente étude réalisée auprès des travailleurs et employeurs européens est relativement optimiste concernant l’impact de l’IA sur le marché du travail et les conditions de travail (Lane, Williams et Broecke, 2023). En revanche, comme le confirme notre étude, les éléments empiriques sur les répercussions de ces technologies sur la rémunération ne sont pas concluants.

Notre étude repose sur des données recueillies avant la pandémie de COVID-19. Il faudrait donc maintenant se pencher sur les répercussions que cette crise sanitaire et les transformations du monde du travail qu’elle a entraînées ont sur la qualité de l’emploi. Selon toute vraisemblance, ces conséquences ne sont pas les mêmes pour toutes les catégories de travailleurs. Pendant la pandémie, certains, comme les soignants, ont été en première ligne, tandis que d’autres ont été contraints de cesser leur activité. Bon nombre de ceux qui ont dû travailler depuis leur domicile ont été confrontés à une anxiété accrue et à des difficultés à trouver un équilibre entre vie professionnelle et vie privée. Tous ont vécu dans l’incertitude au quotidien. Ces phénomènes ont eu des effets directs et indirects sur les pratiques professionnelles et les conditions de travail dans la période qui a suivi la pandémie, d’où la nécessité de conduire d’autres travaux pour décrire l’impact du COVID-19 sur le bien-être des travailleurs.

Remerciements

Cet article repose sur une analyse présentée sous la forme d’un document de travail publié par l’Institut syndical européen (Nikulin, Parteka et Wolszczak-Derlacz, 2022). Joanna Wolszczak-Derlacz a reçu un soutien financier de l’Université polytechnique de Gdansk (Politechnika Gdańska) au titre du projet Americium International Career Development dans le cadre du programme «Excellence Initiative – Research University» (financement n^o DEC08/2023/IDUB/II.14/AMERICIUM). Aleksandra Parteka a bénéficié d’une bourse du centre national polonais des sciences (National Science Centre, Poland) (2020/37/B/HS4/01302). Dagmara Nikulin a reçu un soutien financier de l’Université polytechnique de Gdansk (Politechnika Gdańska) au titre du projet Argentum Triggering Research, dans le cadre du programme «Excellence Initiative – Research University» (financement n^o DEC-8/1/2023/IDUB/I3b/Ag). Nous tenons également à remercier l’Institut syndical européen pour ses commentaires et conseils.

Conflits d’intérêts

Les auteurs n’ont pas d’intérêts concurrents à déclarer.

Annexe