
L’évaluation des politiques publiques mesure les effets des programmes publics sur la situation socio-économique des participants dans les domaines de l’emploi, de l’éducation, de la santé, de la famille et des politiques socio-économiques. Pour identifier les effets causaux, elle s’appuie sur des méthodes contrefactuelles qui comparent les groupes bénéficiant d’une intervention à ceux qui n’en bénéficient pas, tout en tenant compte des facteurs de confusion.
L’évaluation des politiques publiques fournit des résultats rigoureux sur ce qui fonctionne, pour qui et dans quelles conditions. Elle met en relation les interventions publiques, les données, les personnes et les résultats afin de déterminer si une politique change la vie des individus, comment ses effets se produisent, qui en fait l’expérience et si ces résultats peuvent être transposés à d’autres contextes.
Nos travaux portent sur les marchés du travail, les compétences, les transformations technologiques, les politiques familiales, les finances publiques et la performance des institutions. Dans tous ces domaines, une question guide nos recherches : quels changements se produisent lorsque les politiques publiques se confrontent au fonctionnement concret des institutions et aux inégalités tout au long de la vie ? Les projets en cours portent notamment sur les effets de l’exposition à l’IA sur le marché du travail au Luxembourg, les défauts de paiement des municipalités et la sélection du personnel politique en Italie, l’accès à la formation professionnelle au Sénégal, ainsi que le congé parental et les salaires des mères au Luxembourg. Parallèlement, un programme méthodologique dédié développe de nouveaux outils d’inférence causale.

Notre objectif est d’estimer les effets causaux des politiques et des interventions à l’aide de protocoles de recherche rigoureux. Au-delà des effets moyens, nous identifions qui y gagne et qui y perd, et comment les effets varient selon les travailleurs, les entreprises, les groupes de population et les contextes institutionnels. Nous cherchons également à comprendre les mécanismes et les canaux par lesquels les politiques produisent leurs effets, à évaluer l’évolution de ces effets dans le temps et à vérifier leur robustesse selon les spécifications des modèles et les contextes. Parallèlement à ces travaux appliqués, nous développons et affinons des méthodes d’inférence causale qui renforcent les pratiques d’évaluation. Notre finalité est de tirer des enseignements des résultats pour éclairer la conception, le ciblage, la mise en œuvre et le réexamen périodique des programmes.

Nos travaux s’appuient sur des stratégies d’identification causale telles que les différences de différences, les expériences naturelles, les variables instrumentales et d’autres approches quasi expérimentales. Nous les combinons avec des méthodes actuelles d’inférence causale et d’apprentissage automatique, qui permettent une estimation flexible et l’analyse d’effets hétérogènes. L’analyse de médiation causale nous aide à comprendre comment, et par quels canaux, les politiques produisent leurs effets. Plutôt que de nous limiter aux moyennes, nous examinons les effets sur la distribution des résultats et ceux propres à chaque groupe. Ces analyses mobilisent des données administratives, d’enquêtes, géocodées et numériques riches, notamment des données appariées employeurs-salariés et des indicateurs issus du web.




Transformation systémique des entreprises sous l’effet des innovations vertes et numériques : quels sont les principaux facteurs « X » à l’origine de ce changement ?
SYNERGIX examine quelles entreprises adoptent l’IA et les technologies vertes, les facteurs qui motivent ces décisions et les effets de cette adoption sur la productivité, la structure organisationnelle, les compétences du personnel et les salaires. Le projet mobilise de riches données administratives norvégiennes. Ses résultats sont pertinents pour le Luxembourg, qui constitue également une petite économie à revenu élevé adoptant de nouvelles technologies.
Michela Bia (PI), Christina Gathmann, Natella Agikyan, Terry Gregory, Martin Huber (University of Fribourg, steering committee), Georg Graetz (Uppsala University, steering committee)
Étudier l’influence de l’intelligence artificielle sur les économies régionales et la dynamique des entreprises
IMPACT-AI combine l’apprentissage automatique et le traitement automatique du langage naturel avec de vastes jeux de données au niveau des entreprises pour cartographier la diffusion de l’adoption de l’IA dans les régions et les secteurs d’activité. Le projet estime ensuite ses effets sur la concentration des marchés, les salaires et les effets de diffusion entre entreprises, y compris les start-up.
Michela Bia (PI), Christina Gathmann, Mattia Laudi (PhD student)
___
Analyse de médiation causale et estimateurs fondés sur l’apprentissage automatique
CAME développe de nouvelles méthodes d’inférence causale combinant l’analyse de médiation causale et l’apprentissage automatique afin d’identifier les mécanismes par lesquels les politiques produisent leurs effets. Les applications comprennent l’utilisation d’instruments génétiques dans les données britanniques de l’enquête « Understanding Society » et une correction doublement robuste du biais de sélection de l’échantillon appliquée au programme américain de formation Job Corps.
Michela Bia (PI), Martin Huber (University of Fribourg)
___
Évaluation de l’impact des initiatives d’économie circulaire par une analyse intégrée de la durabilité du cycle de vie
CIRCUSTAIN évalue la durabilité environnementale, économique et sociale des pratiques d’économie circulaire, en se concentrant sur le PVC dans le secteur de la construction. Le projet prend également en compte les effets connexes, notamment sur la santé des travailleurs, ainsi que les effets rebond liés à la création d’emplois.
Thomas Schaubroeck (PI), Michela Bia (PI of WP3), Antonino Marvuglia, Enrico Benetto, Arno Biwer, Bruno Domange, Thomas Gibon, Mélanie Guiton, Claudia Hitaj, Thomas Navarrete Gutiérrez, Sébastien Zinck
___
Analyser l’impact de l’intelligence artificielle sur l’emploi, les métiers et les compétences au Luxembourg
AILES examine comment la diffusion de l’IA entre 2018 et 2026 transforme l’emploi, les métiers et les compétences dans les différents secteurs économiques au Luxembourg, et quels groupes de travailleurs sont les plus touchés. Les résultats fourniront un diagnostic prospectif pour aider les politiques publiques à anticiper les besoins futurs en matière d’emploi, de compétences et de formation.
Christina Gathmann (PI), Andrea Albanese, Najada Feimi, Julio Garbers, Eric Guastalli, Thuc Uyen Nguyen-Thi, Lorraine Saju