Analyse du ratio d'impact (IRA) de l'OFCCP – Peut-elle être améliorée ?

Bien que ces deux notions soient liées, un CO ne doit pas confondre les IRA défavorables avec le terme « impact défavorable ». L'analyse du ratio d'impact (IRA) est une méthode permettant d'identifier les activités du personnel qui doivent faire l'objet d'une enquête plus approfondie sur place.|Bien que ces deux notions soient liées, un CO ne doit pas confondre les IRA défavorables avec le terme « impact défavorable ». L'analyse du ratio d'impact (IRA) est une méthode permettant d'identifier les activités du personnel qui doivent faire l'objet d'une enquête plus approfondie sur place.

Personnel de Mitratech Avril 29, 2014

À la page 48 du Federal Contract Compliance Manual (FCCM) de juillet 2013, l'OFCCP décrit sa méthodologie de calcul du ratio d'impact et la manière dont les agents de conformité (CO) sont censés utiliser les résultats des analyses du ratio d'impact :

Bien que liés, un CO ne doit pas confondre les IRA défavorables avec le terme « impact défavorable ». L'analyse du ratio d'impact (IRA) est une méthode permettant d'identifier les activités du personnel qui doivent faire l'objet d'une enquête plus approfondie sur place. L'IRA est un ratio entre deux taux de sélection, l'un pour les minorités ou les femmes, et l'autre pour les autres. En général, si le taux de sélection d'un groupe particulier est inférieur à 80 % du taux de sélection du groupe favorisé pour une activité particulière du personnel (par exemple, le taux de sélection des minorités ou des femmes est inférieur à 80 % du taux de sélection des non-minorités ou des hommes pour une activité particulière du personnel), un CO doit [c'est nous qui soulignons] mener une enquête plus approfondie sur place. [FCCM, juillet 2013, page 48].

Même si l'OFCCP suggère dans la description ci-dessus que les résultats négatifs d'une analyse du ratio d'impact doivent être interprétés comme une preuve certaine de discrimination, l'OFCCP demande aux agents chargés de la conformité d'utiliser les résultats de l'analyse du ratio d'impact pour décider s'il convient ou non de contrôler un entrepreneur. Il est donc important d'examiner les fondements et les origines de l'analyse du ratio d'impact et de discuter des conditions dans lesquelles le test du ratio d'impact peut produire des faux positifs, c'est-à-dire la situation dans laquelle le résultat d'une analyse du ratio d'impact incite le responsable de la conformité à effectuer un audit alors qu'il n'y avait pas lieu de le faire.

Le terme statistique pour désigner le rapport d'impact est le risque relatif (RR).ⁱ Le risque relatif est le rapport entre la probabilité ou la chance qu'un événement se produise pour un groupe et la probabilité ou la chance que le même événement se produise pour un autre groupe similaire. Si la chance que l'événement se produise pour le premier groupe est inférieure à la chance qu'il se produise pour le deuxième groupe, alors le rapport entre les deux probabilités (probabilité du premier groupe en haut et probabilité du deuxième groupe en bas) sera inférieur à 100 %. Par exemple, si le rapport entre les deux probabilités est de 70 %, cela signifie que la probabilité de l'événement pour le premier groupe est égale à 70 % de la probabilité de l'événement pour le deuxième groupe.

Supposons que, lors d'un recrutement, un entrepreneur examine 200 candidatures provenant d'un groupe de candidats très similaires les uns aux autres en termes d'expérience professionnelle et d'autres qualifications. Supposons également que parmi les candidats, il y ait 100 hommes et 100 femmes. Tous les candidats postulent pour un seul et même poste, c'est-à-dire qu'il n'y a pas de variation entre les candidats en ce qui concerne leurs préférences pour différents postes, ce qui signifie que n'importe lequel des candidats, s'il se voit offrir le poste, acceptera l'offre. Le recruteur finit par embaucher 40 candidats parmi les 200 candidats ; 10 des postes sont attribués à des femmes et 30 à des hommes.

Dans le scénario ci-dessus, la chance ou la probabilité d'embauche pour les femmes est de 10 % (10/100 = 10 %) et pour les hommes de 30 % (30/100 = 30 %). Par conséquent, le risque relatif ou le ratio d'impact pour cet événement d'embauche est de 33 % (10 %/30 % = 33 %). Cela signifie que les chances des femmes d'obtenir cet emploi auprès de cet entrepreneur sont égales à 33 % des chances des hommes d'obtenir le même emploi. Dans cette situation spécifique, en utilisant le résultat de l'analyse du ratio d'impact, l'OFCCP est en droit de mener une enquête supplémentaire afin de déterminer pourquoi le taux de sélection ou la probabilité d'embauche des candidates féminines est tellement inférieur au taux de sélection ou à la probabilité d'embauche des hommes.

L'exemple ci-dessus décrit en fait le même exemple que celui utilisé par l'OFCCP à la page 49 de son Federal Contract Compliance Manual (FCCM) de juillet 2013. Le FCCM décrit le calcul du ratio d'impact pour l'exemple ci-dessus et, après avoir calculé un ratio d'impact de 33 % pour les femmes, conclut :

« Si le taux de sélection d'un groupe est inférieur à 80 % de celui d'un autre groupe, le CO considère l'IRA comme défavorable. » [FCCM, juillet 2013, page 49].

UNE MÉTHODOLOGIE ALTERNATIVE : Analyse du ratio d'impact ajusté (AIRA)

La méthode utilisée par l'OFCCP pour « identifier les activités du personnel qui doivent faire l'objet d'une enquête plus approfondie sur place », décrite dans les paragraphes ci-dessus, part du principe que les 100 femmes et les 100 hommes ont postulé à un seul emploi ou à des emplois très similaires. Que se passerait-il si les candidats avaient postulé à un groupe de postes comprenant deux ou plusieurs postes (ou services) différents, très différents les uns des autres tant en termes d'environnement de travail que de nature des tâches ?

Supposons que, dans un groupe professionnel donné, des femmes et des hommes aient postulé à deux départements différents, le département A et le département B. Supposons également que les femmes aient préféré le poste au département B et les hommes celui au département A. Sur 100 femmes, 4 ont postulé au département A et 96 au département B. Sur 100 hommes, 56 ont postulé au département A et 44 au département B. Sur un total de 40 embauches dans ce groupe de postes, 28 candidats ont été embauchés dans le département A et 12 candidats ont été embauchés dans le département B. Dans le département A, sur les 28 embauches, 2 étaient des femmes et 26 étaient des hommes. De même, dans le département B, sur les 12 embauches, 8 étaient des femmes et 4 étaient des hommes.

Par conséquent, d'après les pourcentages de candidats ayant postulé dans deux départements, il semble que les hommes aient légèrement préféré le département A, tandis que les femmes ont fortement préféré le département B. Compte tenu de ces informations supplémentaires sur le flux des candidatures vers les différents départements, ainsi que des préférences des hommes et des femmes pour différents emplois et départements et du nombre d'embauches pour chaque département, la procédure décrite dans la méthodologie de l'OFCCP devrait-elle être modifiée d'une manière ou d'une autre ? La réponse est : OUI.

Dans la procédure de calcul du ratio d'impact du Federal Contract Compliance Manual, l'OFCCP part implicitement du principe que les 100 femmes et les 100 hommes avaient tous les mêmes chances d'être sélectionnés pour les 40 postes disponibles. Cependant, compte tenu des informations supplémentaires ci-dessus, il semble que les chances d'être sélectionné pour le département A étaient plus élevées que celles d'être sélectionné pour le département B. Le département A offrait 28 postes à pourvoir, tandis que le département B n'en offrait que 12. Cela signifie que le choix du département auquel les candidats souhaitaient postuler avait une incidence directe sur leurs chances d'être sélectionnés. Par conséquent, lors du calcul du ratio d'impact des décisions de sélection des employeurs, les décisions des candidats de postuler à un certain département étaient importantes et auraient dû être prises en compte.

Maintenant que nous savons que le département était un facteur important dans le processus de sélection, nous devons intégrer les informations relatives au département dans notre calcul du risque relatif ou dans l'analyse du ratio d'impact. Par conséquent, dans les étapes décrites ci-dessous, j'ai utilisé les instructions de l'OFCCP pour calculer le ratio d'impact brut ou non ajusté et je l'ai modifié afin de tenir compte des différents taux d'hommes et de femmes postulant à chaque département. Il existe une procédure statistique bien connue qui peut être utilisée pour ajuster le ratio d'impact brut ou le risque relatif afin de tenir compte du fait que tous les candidats ne postulaient pas au même département/poste.ⁱⁱ Le ratio d'impact ajusté qui en résulte tient compte des informations relatives aux départements. Dans la procédure décrite ci-dessous, IR représente le ratio d'impact brut et non ajusté de l'OFCCP et AIR représente le ratio d'impact ajusté après intégration des informations relatives aux départements dans le calcul.

Instruction de l'OFCCP à la page 49 du FCCM modifiée pour intégrer les informations du département :

Étape 1 : Calculez le taux de sélection pour chaque groupe dans chaque département (arrondissez à deux décimales).

100 (femmes candidates)
10 (femmes sélectionnées) = 0,10 (taux de sélection de 10 %)
- Dans le département A :
  - 4 (femmes candidates)
  - 2 (femmes sélectionnées) = 0,50 (taux de sélection de 50 %)

- Dans le département B :
  - 96 (femmes candidates)
  - 8 (femmes sélectionnées) = 0,08 (taux de sélection de 8 %)

- 100 (hommes candidats)
- 30 (hommes sélectionnés) = 0,30 (taux de sélection de 30 %)
  - Dans le département A :
    - 56 (hommes candidats)
    - 26 (hommes sélectionnés) = 0,46 (taux de sélection de 46 %)

- Dans le département B :
  - 44 hommes ont postulé)
  - 4 (hommes sélectionnés) = 0,09 (taux de sélection de 9 %)

Étape 2 : Observez quel groupe a le taux de sélection le plus élevé.

Les hommes constituent le groupe le plus favorisé, car ils ont le taux de sélection le plus élevé.

(30 % d'hommes, c'est un taux plus élevé que 10 % de femmes).

Étape 3 : Calculez le ratio d'impact brut ou non ajusté pour les deux groupes. Comme il s'agit d'une mesure positive, le taux du groupe le plus favorisé (dans ce cas, les hommes) se trouve au dénominateur.

.10 (taux de sélection pour les femmes) = 0,33 (ratio d'impact brut ou non ajusté)
.30 (taux de sélection pour les hommes)

Étape 4 : Observez si le ratio d'impact de l'étape 3 est inférieur à 80 %.

Étape 5 : Notez que le département est l'un des facteurs à prendre en compte pour calculer tout ratio d'impact. Par conséquent, pour calculer le ratio d'impact ajusté (AIR), effectuez le calcul de l'étape 6 ci-dessous.

Étape 6 : Ajustez le nombre de sélections d'hommes et de femmes dans chaque département en multipliant la sélection de femmes/hommes dans chaque département par le pourcentage de l'autre groupe dans le même département. Additionnez les sélections ajustées des femmes dans tous les départements et divisez la somme par la somme des sélections ajustées des hommes dans tous les départements :

Le ratio d'impact ajusté (AIR) de 98 % indique que le taux de sélection global des femmes dans les deux départements, lorsqu'il est correctement ajusté, est presque identique au taux de sélection des hommes dans les deux départements. Étant donné que le taux de sélection des femmes est supérieur à 80 % de celui des hommes, le responsable de la conformité devrait considérer que l'analyse du ratio d'impact (IRA) n'est pas défavorable.

L'exemple ci-dessus montre que l'analyse du ratio d'impact de l'OFCCP repose sur l'hypothèse d'une homogénéité totale des candidats. Si cette hypothèse s'avère incorrecte, l'analyse brute du ratio d'impact peut produire un résultat trompeur. Le ratio d'impact ajusté tient compte des différences entre les candidats et fournit une mesure plus fiable.

^{i. Le risque relatif est largement utilisé dans les études statistiques et épidémiologiques. Par exemple, pour déterminer l'efficacité d'un médicament ou d'un traitement donné, les scientifiques comparent le risque ou la probabilité de développer une maladie après l'exposition d'un groupe de sujets à ce médicament ou traitement avec le risque ou la probabilité de développer cette maladie chez un groupe similaire qui n'a pas été exposé au médicament ou au traitement. ↩}
^{ii. Le risque relatif ajusté est appelé « risque relatif de Mantel-Haenszel » dans la littérature statistique. Voir : Tarone, R. E., « On Summary Estimators of Relative Risk », Journal of Chronic Disease, 34, 463-468. ↩}

Note de l'éditeur : Cet article a été publié à l'origine sur Circaworks.com. En avril 2023, Mitratech a acquis Circa, un fournisseur de premier plan de logiciels de recrutement inclusif et de conformité OFCCP. Le contenu a depuis été mis à jour pour refléter l'élargissement de nos offres de produits, l'évolution des réglementations de conformité en matière d'acquisition de talents et les meilleures pratiques en matière de gestion des ressources humaines.

Solutions pour l'industrie