Numéro de catalogue : 892000062024002
Date de diffusion : le 16 juillet 2024 Mise à jour : le 9 juillet 2025
Cette courte vidéo explique comment l'utilisation de données désagrégées peut aider les décideurs à élaborer des politiques plus précises et plus efficaces, puisqu'ils seront en mesure de cerner les besoins et les défis uniques des différents groupes démographiques.
- Étape du parcours des données
- Fondation
- Compétence des données
-
- Création et utilisation de métadonnées
- Audience
- Essentiel
- Conditions préalables suggérées
- L'importance des données désagrégées : introduction (partie 1)
- Durée
- 09:42
- Coût
- Gratuit
Voir la vidéo
L'importance des données désagrégées : Introduction (partie 2) - Transcription
(Le symbole de Statistique Canada et le mot-symbole du Canada est présent avec le titre suivant : « L'importance des données désagrégées : Introduction (partie 2) ».)
Qu'est-ce que les données désagrégées?
Dans un pays comme le Canada, on peut s'attendre à voir des portraits diversifiés de communautés, de groupes ethnoculturels, de stade de la vie, de genre et de professions. Ces groupes de personnes, petits ou grands, peuvent être confrontés à différents défis socio-économiques ou obtenir divers résultats tout au long de la vie, notamment en ce qui concerne la réussite scolaire ou les trajectoires sur le marché du travail. Certains groupes peuvent même être plus vulnérables et avoir des problèmes de santé mentale au cours de leur vie, ou même se retrouver sans abris. Pour mieux comprendre les données, nous les désagrégeons. Cela signifie que les données soigneusement recueillies et agrégées, soit l'étape essentielle pour veiller à ce que les données demeurent confidentielles, sont par la suite ventilées en catégorie plus fine pour diverses populations, régions ou toute autre combinaison de caractéristiques.
Où pouvez-vous trouver des données désagrégées?
Compte tenu de l'utilité potentielle des données désagrégées, vous pourriez aussi vous poser la question suivante, où puis-je trouver les données dont j'ai besoin? En réalité, vous devriez peut-être consulter plusieurs sources pour obtenir toutes les réponses à vos questions. Pour brosser un portrait complet, vous devrez peut-être combiner des données provenant de diverses sources. Les nombreux produits et services de Statistiques Canada peuvent être très utiles. Notre site web donne accès à un large éventail de rapports de recherche et de données désagrégées. Provenant d'une collection croissante d'enquêtes et de sources de données administratives, ces données peuvent également être complétées par de précieux renseignements qualitatifs provenant de personnes ayant une expérience vécue, d'activités de mobilisation et de consultation ou toute autre sources de renseignement qualitatif.
Chaque initiative nécessitera l'analyse de différents groupes de données désagrégées
(Catégories à l'écran révélé un à la suite de l'autre : « Genre et/ou sexe », « Âge », « Diversité ethnoculturelle », « Identité autochtone », « Géographie », « Niveau de scolarité », « Profession », « Revenu », « Orientation sexuelle », « Invalidité », « Langue », « Statut d'immigration », « Emploi », « Situation familiale », « Et bien d'autres... ».)
Voici quelques exemples de groupes de données désagrégées qu'il est important de prendre en considération aujourd'hui. Chaque jour, nous évoluons en tant que personne et nous devons relever des défis précis liés à l'étape où nous en sommes dans la vie. Certains d'entre nous s'occupent de jeunes enfants ou de personnes âgées. D'autres pourraient entamer des études universitaires ou chercher à perfectionner leurs compétences après avoir perdu un emploi. En 2022, le Canada a accueilli plus d'un million d'immigrants. Beaucoup sont donc nouveaux dans le pays. Les données désagrégées reflètent qui nous sommes et aident à déterminer les défis auxquels nous sommes confrontés à un moment donné. Chaque politique ou initiative devra déterminer les groupes de personnes sur lesquelles mettre l'accent. Ces groupes évolueront au fil du temps, au fur et à mesure que nos collectivités changent. Prenons l'exemple de Samir. Il s'est penché sur la géographie, l'âge et l'incapacité pour améliorer la prestation des services de transport public à Greendale. Une autre initiative devra prendre en compte des groupes différents. Essentiellement, les données désagrégées signifient que vous pouvez adapter l'analyse à vos besoins.
Il en est de même pour les initiatives orientées vers les entreprises
(Catégories à l'écran révélé un à la suite de l'autre : « Géographie », « Secteur », « Taille de l'entreprise », « Sous contrôle étranger ou national », « Exportateur/importateur », « Propriété majoritaire des groupes (p. ex. les femmes, les Autochtones, les personnes racisées) », « Constitué en société », « Âge de l'entreprise », « Et bien d'autres... ».)
Tout comme les personnes, les entreprises ne sont pas toutes identiques. Il est également important pour les politiques ou les programmes qui ciblent les entreprises de prendre en compte les groupes de données désagrégées. Chacune de ces caractéristiques peut avoir une influence sur les résultats et les défis des entreprises. Prenons par exemple une petite entreprise de restauration exploitée par un nouvel immigrant. Cette petite entreprise devra relever des défis différents de ceux d'une usine alimentaire appartenant à une entreprise multinationale.
Désagrégeons les données selon le sexe
Voici un exemple de données désagrégées. Imaginons que vous avez comme tâche de créer une initiative stratégique pour aider les gens à se trouver un emploi. Imaginons d'abord le taux de chômage pour l'ensemble du Canada afin de déterminer s'il y a des écarts considérables entre les hommes et les femmes. Le taux de chômage reflète principalement les personnes à la recherche d'un emploi. Ce taux est exprimé en pourcentage de l'ensemble de la population active, c'est-à-dire les personnes qui ont un emploi ou cherchent du travail. Pour 2023, les résultats sont relativement comparables entre les genres, le taux de chômage atteignant 5, 4 % pour les femmes et 5, 6 % pour les hommes. Ces tendances reflètent les performances de l'économie et du marché du travail cette année-là. La ventilation des données en fonction du genre ne semble pas suffire pour cerner les écarts notables. Voilà pourquoi nous devons analyser les données plus profondément et ajouter d'autres dimensions de désagrégation pertinentes afin de comprendre la situation de chômage.
Désagrégeons les données selon le sexe et l'âge
Désagrégeons maintenant les données selon le genre et l'âge. En consultant le graphique, nous pouvons constater que les jeunes âgés de 15 à 24 ans affichent des taux de chômage plus élevés que les personnes faisant partie du principal groupe d'âge actif et les personnes plus âgées. De plus, le taux de chômage chez les jeunes hommes est légèrement supérieur à celui des jeunes femmes. Environ un jeune homme sur neuf faisant partie de la population active n'occupe pas d'emplois. Le taux de chômage de ce groupe était de 11,6 % en 2023. À titre de comparaison, le taux de chômage chez les jeunes femmes était de 10,1 %. Quels seraient les autres facteurs d'identité qui pourraient être pris en compte dans cette analyse? Comme nous savons déjà que le Canada compte une population de jeunes très diversifiées, il pourrait être intéressant de désagréger les données en fonction de l'appartenance à un groupe racialisé, en plus du genre et de l'âge.
Désagrégeons les données selon le sexe, l'âge et l'appartenance à un groupe racisé
Dans les données dont nous disposons, nous constatons que l'appartenance à un groupe racialisé est mesurée au moyen de la variable "minorité visible". Si nous ciblons les jeunes âgés de 15 à 24 ans et que nous désagrégeons davantage les données selon le genre et selon l'appartenance à un groupe de minorité visible, nous observons de nouveaux écarts: chez les jeunes, les hommes appartenant à un groupe de minorité visible affichaient le plus haut taux de chômage établi à 13,2 %, suivi de près par les jeunes femmes appartenant à un groupe de minorités visibles établis à 12,8 %. En revanche, les jeunes femmes qui n'appartiennent pas à un groupe de minorités visibles affichent le taux le plus bas, c'est-à-dire un peu moins de 9 %. À ce stade, vous commencez peut-être à penser à comment aider les jeunes de groupes précisés à se trouver un emploi. Par contre, il s'agit encore d'un vaste groupe ayant des variations notables en matière de caractéristiques du marché du travail. Procédons donc à une désagrégation plus approfondie.
Désagrégeons les données selon le sexe, l'âge et l'appartenance à un groupe racisé précis
Examinons les résultats des cinq plus grands groupes de minorités visibles du Canada. Encore une fois, d'importants écarts sont observés lorsqu'on ajoute un autre niveau de désagrégation. Parmi les jeunes hommes. Les jeunes noirs et les jeunes arabes semblent être confrontés à des taux de chômage plus élevés comparativement à la moyenne globale représentée par la barre bleue. Quant aux jeunes femmes, le taux de chômage est légèrement supérieur à la moyenne globale dans la plupart des groupes racialisés, bien qu'il soit inférieur chez les jeunes femmes Philippines. Selon ces données désagrégées, vous pourriez réfléchir à la manière de vous assurer que votre initiative stratégique vise certains groupes plus susceptibles d'avoir besoin d'aide pour trouver un emploi, comme les jeunes de groupes racialisés en général et les jeunes hommes noirs et arabes en particulier.
(Texte à l'écran superposé sur une forme d'entonnoir : « Genre », « Âge (jeunes) », « Appartenance à un groupe racisé » et « Sud-asiatique, Chinois, Noir, Philippin, Arabe ».)
Comme nous l'avons vu dans cet exemple, l'utilisation de données désagrégées peut aider les décideurs à élaborer des politiques plus ciblées et plus efficaces, puisqu'ils seront en mesure de cerner les besoins et les défis uniques des différents groupes démographiques. Dans cet exemple, si nous avions fondé notre analyse seulement sur le taux de chômage au niveau national ou sur les femmes et les hommes, cela n'aurait pas suffi pour veiller à ce que notre intervention stratégique vise les personnes les plus à risque. Ceci n'est qu'un exemple. Selon votre organisation ou vos besoins analytiques, vous pouvez désagréger les données de différentes manières. Dans votre situation, la géographie ou une autre caractéristique pourrait être un facteur pertinent. Ce qui importe de souligner, c'est qu'il faut souvent appliquer diverses couches ou divers niveaux de désagrégation pour obtenir tous les faits.
(Le mot-symbole « Canada » s'affiche.)