Introduction

1Le développement du secteur des services à la personne depuis le début des années 90 avec la mise en place des réductions d’impôts, relayé par la suite par de nombreuses mesures visant à doper la demande (plan de développement des services à la personne en 2005, mise en place de l’APA en 2001, des crédits d’impôt en 2007, exonérations de charges sociales…) a donné lieu à de multiples analyses et études sur une mise en perspectives de ces services : il a été noté l’important gisement d’emplois de ce secteur (Carbonnier, 2015 ; Marbot & Roy, 2011), mais également la qualité perfectible de ces emplois, souvent sujets à de faibles temps de travail (Puissant, 2012 ; Bailly & alii, 2012 ; Jany-Catrice, 2010).

2Les études sur la qualité des emplois ont mis en évidence l’importance des variables sociodémographiques, du genre (Dussuet, 2016), de l’âge, de la CSP, du niveau de diplôme (Iraci, 2007).

3L’axe géographique, le lieu de travail influe également sur les conditions de travail des salariés de ce secteur. Les régions les plus vieillissantes (Aldeghi & Loones, 2010), les plus rurales et/ou une présence significative de cadres (Baillieul, Chaillot & Benoteau, 2013) ont un impact positif sur l’activité des services à la personne dans les régions concernées.

4Nous proposons dans cette contribution d’approfondir cet axe d’analyse et de mettre en évidence autant que possible l’influence du lieu d’habitation sur les conditions de travail des salariés du secteur. Habiter une typologie particulière de commune (urbain / rural ; dynamique / en déclin ; jeune / vieillissant…) peut-elle favoriser des constructions de carrières à temps plein, ou les contraint-elle à des temps de travail plus faible, voire à une sortie de la profession ?

5L’étude repose sur les données de l’Ircem, groupe de protection sociale des emplois de la famille, des salariés de particulier employeur et des assistants maternels. L’influence du lieu d’habitation sur l’activité des assistantes maternelles ayant déjà été explorée (Iraci, 2011), l’analyse se focalisera sur les salariés de particuliers employeurs. Cette activité regroupe 26 activités fixées par le Code du travail (article D.7231-1), pour en citer quelques-unes l’entretien de la maison et les travaux ménagers, les petits travaux de jardinage, de bricolage, les cours à domicile, la préparation de repas à domicile. Sont hors cible les gardes d’enfants à domicile, dont les profils très distincts auraient par trop impacté les résultats.

6La richesse des bases de données individualisées du groupe Ircem, leur profondeur historique, permet de retracer les carrières professionnelles des salariés de particuliers employeurs.

7Faire ressortir le lien entre lieu d’habitation et conditions de travail des salariés de particuliers employeurs nécessite de qualifier ces conditions de travail. Dans un premier temps nous classifierons donc les carrières professionnelles. Nous appliquerons ensuite cette même approche aux communes d’habitation de ces salariés (identifiées par les codes Insee). Nous rapprocherons alors ces deux classifications pour évaluer l’importance que peut avoir le lieu d’habitation sur l’activité professionnelle des salariés de particuliers employeurs.

1. La classification des carrières professionnelles des salariés de particuliers employeurs

8Un travail préalable sur la base de données retraçant l’activité des salariés de particuliers employeurs est nécessaire avant d’entamer le travail proprement dit de classification des carrières professionnelles.

1.1. Constitution de la base de données des carrières professionnelles

9La classification des carrières professionnelles se heurte au fait qu’elles ne sont pas de la même durée pour tous et ne commencent pas au même moment : des salariés peuvent être entrés dans le secteur en 1990 et en être sortis en 2000, d’autres y être entrés en 2005 et n’en être toujours pas sortis… Autrement dit, les informations brutes ne sont pas homogènes pour tous les individus et ne permettent pas en l’état une classification des données.

10La solution adoptée est de retracer les carrières professionnelles (en heures travaillées1) sur une durée suffisante pour classer ou qualifier cette carrière.

11Visuellement, nous constatons que les carrières commencent à se stabiliser à partir de 8 années travaillées : ce point de stabilisation est de 7 ans pour les « 10 et 13 ans d’ancienneté », 8 ans pour les « 15 et 20 ans d’ancienneté », et plutôt 13 ans pour les « 32 ans d’ancienneté »2 (Graphique 1).

Graphique 1 • Évolution des carrières professionnelles selon leur durée

12Plus objectivement, l’évolution moyenne des heures d’une année sur l’autre montre que les carrières connaissent une maturité, un point haut, à la 8^e année et se stabilisent par la suite sur une période d’une bonne dizaine d’années (Graphique 2).

Graphique 2 • Évolution des heures travaillées entre l’année N et l’année N-1

13Suivre des cohortes sur une période de 8 ans nous assure la maturité des carrières professionnelles et nous permet de les qualifier (temps plein, mi-temps, quart-temps, continue, discontinue…). Nous constituons donc des cohortes de salariés par année d’entrée dans la profession en suivant leur carrière sur 8 ans : les entrants 1990 avec un suivi de l’activité jusqu’en 1999 ; les entrants 1991 jusqu’en 2000 ; etc. ; et enfin les entrants 2013 jusqu’en 2021. Nous n’allons pas au-delà car l’année 2022 est incomplète. La fusion de ces cohortes nous permet de disposer d’une base de données (Tableau 1) qui retrace la carrière professionnelle de 4,2 millions de lignes-salariés sur leurs 8 premières années d’activité.

1.2. La classification des carrières professionnelles

14La classification des carrières professionnelles se fera par un KMeans qui permet de regrouper les carrières les plus homogènes. Les 8 variables retenues pour cette classification sont les heures travaillées durant les 8 premières années travaillées.

15Les 4 millions de carrières professionnelles se regroupent en 4 carrières types (Graphique 3), par ordre d’importance en termes d’effectifs :

• les « temps de travail faibles » : leur carrière professionnelle ne décolle jamais significativement, ce qui entraîne une sortie de la profession très rapide. Le taux de sortie est de 40 % dès la 2^e année de carrière professionnelle ; 85 % des effectifs ont disparu au bout de 8 ans (Graphique 4). Cette carrière type regroupe 85 % de la population totale, soit 3,3 millions de salariés (Tableau 2) ;

• les « mi-temps » : leur carrière professionnelle culmine à près de 800 heures travaillées par an. Cette activité professionnelle est assez conséquente pour qu’ils restent dans cette profession : 90 % d’entre eux exercent toujours leur métier au bout de 8 ans d’activité. Cette catégorie regroupe 10 % des effectifs, soit 420 000 salariés ;

• les « sortants » commencent une activité professionnelle significative (équivalent à 66 % d’un temps plein – 1 000 heures travaillées), mais sortent rapidement du secteur, soit par un investissement professionnel qui décroît fortement à partir de la 3^e année de carrière professionnelle (Graphique 3), soit physiquement par une sortie de la profession : près de 80 % d’entre eux ne sont plus dans le secteur au bout de 8 ans (Graphique 4). Cette classe regroupe 7 % des effectifs, soit 315 000 personnes ;

• les « temps plein » comptabilisent jusqu’à près de 1600 heures travaillées. 93 % des effectifs exercent toujours leur profession au bout de 8 ans. Cette catégorie compte 4 % des effectifs, soit près de 170 000 salariés.

Graphique 3 • Les carrières professionnelles type selon les heures travaillées des salariés actifs

Graphique 4 • Turnover selon les classes de carrières professionnelles

16L’exercice de classification est appliqué également aux communes.

2. La classification des communes

17Caractériser les communes nécessite de recourir aux riches données open data mises à disposition sur data.gouv.fr. La richesse de ces informations impose de faire un choix sur les variables retenues pour classer les communes.

2.1. Constitution de la base de données des communes

1844 000 jeux de données sont disponibles sur le site data.gouv.fr. Un travail de choix des variables est donc indispensable pour retenir les données capables de caractériser de manière pertinente les communes.

19Sur les 140 variables portant sur les caractéristiques des communes françaises, les variables corrélées (« part des retraités » vs. « plus de 75 ans » ; « taux de résidence principale » vs. « taux de résidence secondaire » ; « score d’urbanité » vs. « Tranches d’aires urbaines », etc.) ont été écartées avec un choix sur les variables numériques plutôt que qualitatives, les variables normées (scorées) plutôt que brutes (« indice de concentration de l’emploi » rapportant le nombre d’emplois à la population communale plutôt que le « nombre d’emplois » brut, etc.).

20Au final, les 36 000 communes de France ont été classées selon 15 caractéristiques :

• les caractéristiques économiques : le taux de chômage, le taux d’activité, leur indice de concentration de l’emploi (ratio du nombre d’emplois sur la population de la commune) et la qualité de ces emplois (la part des emplois à temps partiel et des emplois précaires) ;

• les caractéristiques sur le niveau de richesse des populations : le pourcentage de la population percevant une allocation logement, le RSA, le taux de propriétaires ;

• les caractéristiques sur la population : l’indicateur de dépendance économique (le poids des non-actifs jeunes ou retraités par rapport aux actifs), la répartition par CSP (cadres – employés – ouvriers – retraités) ;

• l’attractivité des communes : le score d’urbanité, le taux de résidences secondaires.

21Ce travail de traitement des données est un préalable nécessaire pour pouvoir classer proprement les communes.

2.2. La classification des communes

22Les communes ont été classées par une analyse en composantes principales. Cette technique consiste à classer les communes sur les principaux axes représentatifs pour pouvoir ainsi rapprocher et regrouper les communes les plus proches les unes des autres.

23Les 2 premiers axes expliquent 60 % de la variance de la base de données. Les informations apportées par les autres axes d’analyse sont ensuite marginales (inférieurs à 10 %).

24Le 1^er axe concentre 35 % de l’information contenue dans la base de données. Cet axe est construit principalement par le score d’urbanité, les taux de résidences propriétaires et secondaires ainsi que la part des retraités (Graphique 5).

25Nous trouvons à gauche de l’axe 1 les communes les plus urbanisées aux taux de propriété les plus élevés. Nous y retrouvons essentiellement les grandes unités urbaines.

26À droite de cet axe 1, les communes aux taux d’urbanisation les plus faibles aux taux de résidences secondaires et à la part des retraités les plus élevés se retrouvent plus souvent dans les régions montagneuses : les Alpes (Savoie, Hautes-Alpes, Alpes-de-Haute-Provence, Isère), les Pyrénées (Ariège, Aude, Pyrénées orientales) et des villages Corses. L’attractivité touristique de ces communes explique des taux de résidences secondaires importants. Ces communes attirent les touristes principalement l’hiver, et le reste de l’année ne reste que la population locale, principalement des retraités.

27Il est intéressant de noter que la part des emplois précaires et de temps partiel est corrélée à ces communes montagnardes (3^e et 4^e variables explicatives à droite de l’axe – Graphique 5) : les régions touristiques sont sujettes à une activité économique saisonnière. Les emplois sont ainsi 3 fois plus nombreux en été qu’en hiver dans les zones du littoral (4 fois plus en Corse), et 2 fois plus nombreux dans les zones de montagnes (avec un pic en hiver pour les zones de hautes montagnes et un pic en été dans les autres zones de montagnes (Durieux, Eusebio & Levy, 2015). Ceci explique des temps de travail en dehors de la norme du CDI à temps plein.

28L’axe 1 oppose donc les grandes unités urbaines aux communes montagnardes touristiques composées (hors période de vacances hivernales) de retraités.

Graphique 5 • Caractéristiques des communes qui construisent le 1^er axe représentatif

29L’axe 2 explique 25 % de l’information contenue dans la base de données. Cet axe est construit principalement d’un côté par le score d’urbanité et le taux de résidences secondaires, et de l’autre par le taux de propriétaires (Graphique 6).

30À gauche de l’axe 2, nous y trouvons des communes touristiques du littoral : Saint-Jean-Cap-Ferrat, Bandol, Saint-Mandrier-sur-Mer en Provence ; La Baule en Loire-Atlantique ; Villers sur Mer en Normandie.

31De manière identique à l’analyse faite sur l’axe 1, nous constatons que la part des emplois précaires et de temps partiel est corrélée à ces communes touristiques aux nombreuses résidences secondaires : la forte activité saisonnière l’été, et donc une activité réduite en dehors de cette période estivale explique le poids non négligeable des emplois précaires et à temps partiel.

32À droite de cet axe nous y trouvons des communes rurales aux taux de propriété élevés, principalement dans un grand quart nord-est : Bas-Rhin – Moselle – Côte-d’Or – Meurthe-et-Moselle – Marne…

33L’axe 2 oppose donc des villes côtières attractives et touristiques aux communes rurales ouvrières en déclin.

Graphique 6 • Caractéristiques des communes qui construisent le 2^e axe représentatif

34Une fois les carrières professionnelles et les territoires analysés et catégorisés, le croisement de ces 2 classifications permet de mettre en exergue les liens éventuels entretenus entre ces 2 concepts.

3. Les carrières professionnelles selon le lieu d’habitation

35Les « temps pleins » et les « mi-temps » se localisent clairement sur des typologies de communes distincts. Les 2 autres carrières types se situent dans des territoires intermédiaires.

3.1. Les « temps pleins » se localisent dans les communes urbaines ou touristiques

36Les « temps pleins » se localisent dans 2 types de communes : les grosses communes urbaines et les communes urbaines touristiques du littoral (Graphique 7).

37Les communes très urbaines ont l’avantage d’être densément peuplées. L’importance de la population de particuliers employeurs potentiels est suffisante pour exercer un temps plein.

38Les communes touristiques du littoral ont l’avantage d’être assez densément peuplées pour assurer des temps pleins, même en dehors de la période estivale. L’afflux de population l’été conforte ce temps de travail.

3.2. Les mi-temps se localisent dans les communes rurales touristiques montagnardes et les communes en déclin

39Les communes touristiques de montagne ont un double avantage : elles attirent beaucoup de monde en période hivernale (pour la haute montagne) ou estivales (pour la moyenne montagne et les massifs). En dehors de ces périodes de vacances, la population est certes moins importante mais elle est composée majoritairement de personnes âgées (Tableau 5 : le taux de dépendance économique est élevé). L’importance de la population l’hiver ou l’été et une population essentiellement âgée en dehors de ces périodes assurent des mi-temps aux salariés de particuliers employeurs.

40Les communes rurales en déclin ont un environnement qui se caractérise à la fois par une population âgée et par un vivier d’emplois peu important (Tableau 3 : l’indice de concentration de l’emploi est faible) et les opportunités de trouver des emplois dans ces zones sont faibles. Les services à la personne restent l’un des rares secteurs économiques qui assure des emplois dans ces zones sinistrées vieillissantes. Ils assurent des mi-temps aux salariés qui s’investissent dans cette profession.

3.3. Les faibles temps de travail et les « sortants » habitent des zones intermédiaires

41Les « faibles temps de travail » et les « sortants » habitent des zones intermédiaires en termes de taux d’urbanisation (Tableau 6) et de répartition socio-économique de la population (Tableau 4). Cette population est cependant plus précaire que la moyenne nationale (ratios d’allocataires de RSA supérieurs à la moyenne – Tableau 4). Cela est dû notamment à des emplois présentant des taux élevés de précarité et de temps partiel (Tableau 3).

42Les « faibles temps de travail » habitent des communes plus attractives économiquement : les emplois (par rapport à la population) ne sont pas rares (Tableau 3), la proportion de cadres est plus forte (Tableau 4). L’environnement économique plutôt favorable permet à ces territoires à la fois d’avoir une population appétente aux services à domicile et offre la possibilité aux salariés de particuliers employeurs d’avoir une activité professionnelle principale par ailleurs. Un secteur d’emplois à domicile existant (même s’il est moins florissant que dans les grandes communes) ainsi que la possibilité de cumuler une 2^e activité professionnelle explique la persistance de carrière professionnelle à faible temps de travail dans ces territoires.

43Les « sortants » ont la particularité d’habiter des communes plus sinistrées économiquement : les chômeurs (Tableau 3) et les ouvriers (Tableau 4) y sont plus nombreux. Cumulés à une population plus précaire, à des emplois plus rares et à temps partiel (Tableau 3), ces caractéristiques expliquent que les salariés n’arrivent pas à développer une activité même minimum dans ce secteur des services à la personne et sortent rapidement de cette activité.

Graphique 7 • Les carrières type en fonction de leurs coordonnées sur les axes ACP des communes

44L’impact des territoires sur les carrières professionnelles peut également être évalué à travers les déménagements des salariés.

4. L’impact des déménagements sur les activités professionnelles

45L’impact du déménagement est calculé en rapprochant la moyenne des heures annuelles travaillées sur l’ensemble de la carrière professionnelle des salariés avant et après le déménagement³.

46Déménager d’une commune moyenne (pour rappel : propice à des sorties d’activité ou à de faibles temps de travail) vers des communes plus urbaines (propices au temps plein) ou plus touristiques (propices au mi-temps) a une influence positive sur le temps de travail : il augmente de 252 heures si le salarié déménage vers une grosse unité urbaines et de 217 heures s’il déménage vers une commune montagneuse touristique, alors que cet accroissement est de seulement 191 heures si le salarié déménage vers le même type de commune (Tableau 7).

47Quitter une grosse unité urbaine a une influence négative sur le temps de travail. Sachant qu’un déménagement dans une même zone très urbanisée permet une augmentation du temps de travail de 386 heures, déménager vers une zone touristique montagneuse a une incidence relativement peu conséquente sur l’activité professionnelle (augmentation du temps de travail annuel de 346 heures), mais significative si le déménagement s’opère vers une commune moyenne, avec une augmentation des heures de seulement 125 heures.

48Si l’on habite une zone montagneuse touristique, mieux vaut démanger vers une zone densément peuplée si l’on veut augmenter son activité professionnelle et éviter les unités urbaines moyennes : déménager vers une grosse ville permet d’accroître son activité professionnelle de 317 heures, contre seulement 42 heures si l’on rejoint une commune moyenne, sachant que cet accroissement d’activité atteindrait 306 heures si le déménagement s’effectuait dans une même zone touristique montagneuse.

49Si l’on s’intéresse au 2^e axe d’analyse opposant ville touristique du littoral (propice au temps plein) versus communes rurales en déclin (propice au mi-temps) en passant par les communes intermédiaires aux temps de travail plus faibles, nous voyons globalement que déménager vers une commune moyenne entraîne un accroissement de l’activité professionnelle (moins de 200 heures – 3^e colonne du Tableau 8) plus faible que de déménager vers une zone rurale en déclin (un peu plus de 200 heures – 4^e colonne). Déménager vers une commune touristique du littoral permet d’accroître son activité professionnelle entre 270 et 350 heures par an (2^e colonne).

Conclusion

50La double classification des carrières professionnelles et des territoires confirme l’importance du taux d’urbanisation et de la présence de personnes âgées ou des cadres sur la construction des parcours professionnels des salariés de particuliers employeurs.

51Elle met en évidence 2 phénomènes supplémentaires. Tout d’abord, cette influence n’est pas linéaire : les temps de travail les plus longs se concentrent certes parmi les communes les plus urbaines. Mais les temps de travail les plus faibles ou les emplois les plus instables (en termes de taux de sortie) se concentrent non pas parmi les communes les plus rurales mais parmi les unités urbaines moyennes : les communes moyennes à l’attractivité économique assez forte permettent de cumuler des emplois, un emploi même à temps faible dans le secteur des services à la personne avec un deuxième emploi (principal ou secondaire) dans un autre secteur économique. Les communes plus précaires (en termes de pauvreté de la population ou de taux de chômage) sont peu propices au développement de carrière professionnelle durable, donc sujets à des sorties de la profession rapide.

52Les communes rurales n’offrent pas d’opportunités professionnelles suffisantes pour négliger le gisement d’emplois qu’offre le secteur des services à la personne. Ce secteur assure dans ces communes des temps de travail équivalents à un mi-temps.

53Ce travail de double classification fait ressortir également l’importance de l’attractivité touristique des communes (mesurée par le taux de résidence secondaire) : l’afflux saisonnier de population assure un surcroît d’activité à même d’assurer des temps de travail conséquents, des temps pleins dans les communes urbaines touristiques, ou des mi-temps dans les communes touristiques plus rurales. Pour ces dernières communes, cette activité partielle dépend donc non pas forcément de la nature de ses emplois, mais plutôt des caractéristiques du territoire de travail : les emplois saisonniers traditionnels sont marqués également par des temps partiels (Delage & Winnicki, 2018).

54Les déménagements confirment ces résultats : pour accroître son activité professionnelle, mieux vaut en ordre d’importance déménager vers les communes les plus urbaines, puis vers les communes rurales et éviter de déménager vers des communes moyennes, si l’on veut développer son activité dans le secteur des services à la personne.

55Les communes moyennes peuvent cependant profiter d’opportunités d’emplois que n’offrent pas forcément les communes rurales. Notre étude et les bases de données que nous exploitons ne permettent pas de connaître le cumul éventuel d’emplois des salariés de particuliers employeurs.

56L’angle mort des données utilisées dans cette étude porte sur le cumul d’emplois en dehors du secteur des services à la personne : près de la moitié des salariés de particuliers employeurs ont une deuxième activité (principale ou secondaire) dans un autre secteur économique (Bricout & Iraci, 2012). La connaissance de ce phénomène pourrait peaufiner la description des profils des salariés en fonction de leur zone d’habitation et mieux comprendre la présence de faibles temps de travail dans des communes où l’indice élevé de concentration de l’emploi rend possible ce cumul d’emplois.