2.1. L’influence spécifique des accidents de la route sur le parcours professionnel

11 Les travaux s’intéressant spécifiquement aux accidents de la route sont rares. L’étude de Halla et Zweimüller [2013] s’intéresse à la survenue d’un accident de la route l’assimilant à un choc de santé [4] ayant un impact négatif sur l’emploi des victimes. Menée en population générale sur l’ensemble des actifs [5] à partir de bases de données administratives autrichiennes (Austrian Social Security Database et Austrian Federal Ministry of Finance), cette étude s’appuie sur la méthode de doubles différences avec appariement exact. Elle souligne une probabilité plus importante de ne plus être en emploi après l’accident ainsi qu’une perte de salaire pour ceux qui restent en activité. Les effets peuvent cependant être minorés si le nombre de jours d’arrêts maladie autorisé est limité ou si les pensions d’invalidité sont moins importantes. Une étude française, réalisée à partir de la cohorte Étude de Suivi d’une Population d’accidentés de la Route dans le Rhône (ESPARR), a montré que des facteurs tels que des déplacements pour raisons professionnelles, des blessures graves ou l’intention de porter plainte différaient le retour à l’emploi (Fort et al. [2011]). Certaines études se sont intéressées à l’impact des accidents de la route sur la santé à long terme, et notamment l’évolution des troubles psychiques comme les Syndrome de Stress Post Traumatique (SSPT) (Arnberg, Rydelius, et Lundin [2011] ; Fort et al. [2011] ; Barth et al. [2005]). La prévalence des SSPT est élevée chez les victimes des accidents de la route, les symptômes pouvant persister plusieurs années, voire plusieurs décennies après l’accident. La survenue des SSPT ne semble pas dépendre de caractéristiques socioéconomiques des individus (Barth et al. [2005]). Parmi les victimes d’accidents de la route, celles atteintes de SSPT présentent également plus de syndromes dépressifs, de troubles psychiques ou de problèmes médicaux que les autres. L’augmentation de la prévalence des SSPT et de leurs conséquences sur l’emploi, les relations sociales, ou les activités quotidiennes ont également été analysées. L’impact sur l’absentéisme au travail est également important. Les femmes de 45 ans et plus constituent un groupe à risque, le nombre de jours d’arrêt maladie y étant plus élevé. Le retour à l’emploi est naturellement conditionné par la gravité et la nature de l’accident. L’étude de Paiva et al. [2016] réalisée au Brésil s’est intéressée à la santé perçue 6 mois après un accident de la route. La santé perçue est d’autant meilleure que la victime est jeune, en bon état de santé général et que son état s’est amélioré rapidement pendant l’hospitalisation.

2.2. Rôle des évènements de santé sur le parcours professionnel

12 Nous postulons qu’un accident de la route peut avoir des répercussions sur l’état de santé dont les effets sur la trajectoire professionnelle peuvent être négatifs et significatifs. Un tel événement de santé (maladie, accident de la vie quotidienne), anticipé ou non, peut également être lié à la présence de facteurs prédisposant. Si un événement de santé peut altérer le parcours professionnel, l’inverse étant également vrai (Robone et al. [2011]).

13 Les conséquences de cet événement dépendent des déterminants sociaux, économiques ou même professionnels. Si son état de santé le permet, la victime peut avoir intérêt à rester en emploi, si elle doit faire face à des dépenses importantes et que sa couverture maladie est fournie par l’employeur (théorie du Job Lock, (Madrian [1994])). Une étude réalisée à partir de l’enquête Santé et Itinéraire Professionnel (SIP), s’est intéressée à l’effet des accidents du travail et de transport ainsi qu’à la survenue de différentes maladies chroniques (Le Clainche et Duguet [2014]). Elle a montré qu’un accident augmente la probabilité de perdre son emploi ou de ne pas être en mesure de le garder de près de 5,3 %. Lindeboom et al. [2016] étudient l’impact de la survenue d’un accident de la route, d’un accident du travail, d’une blessure liée au sport ou un accident cardio-vasculaire, sur l’emploi à long terme. Il apparaît que le choc n’a qu’un effet indirect, puisque ce sont les séquelles physiques ou l’apparition d’incapacités qui dégradent la situation sur le marché du travail. Ainsi un choc sans séquelle n’influence pas l’emploi. De façon plus générale, la survenue d’un choc augmente la probabilité de réduire le temps de travail, en passant à un temps partiel ou en arrêtant de travailler plus précocement (Zimmer [2015] ; Barnay et al. [2015]). Enfin, quelques études ont mesuré des impacts en termes d’état de santé. L’espérance de vie perçue par exemple semble diminuer après la survenue d’un infarctus du myocarde, d’un accident vasculaire cérébral ou d’un cancer (Trevisan et Zantomio [2016]). Un choc peut aussi avoir des conséquences socio-démographiques, tels que des changements de mode de vie, ou des déménagements dans un lieu plus éloigné du centre-ville pour diminuer les coûts liés au logement (Leonard et al. [2017]). Certains déterminants peuvent minimiser les effets d’un choc. Le fait d’être marié par exemple, pourrait retarder le départ du marché du travail (Christensen et Kallestrup-Lamb [2012]).

14 Sur un plan empirique, les mêmes méthodes sont souvent retrouvées dans la littérature. Lorsque des données de panel sont mobilisées, la méthode de double différence avec appariement est fréquemment utilisée (Garcia-Gomez et al. [2013] ; Le Clainche et Duguet, [2014] ; Barnay et al. [2015] ; Trevisan et Zantomio [2016]).

2.3. Études des accidents de la route dans Gazel

15 La cohorte Gazel, sur laquelle repose notre étude, a fait l’objet de quelques études sur l’impact des accidents de la route et sur leurs déterminants. Le questionnaire comporte une partie dédiée aux accidents de la route, et permet donc le suivi longitudinal des victimes. Le suivi épidémiologique du nombre de cas survenus a permis de constater l’efficacité de certaines mesures prises en matière de prévention vis-à-vis de la consommation d’alcool au volant entre 2001 et 2007 (Constant et al. [2011]). Il a également été montré que des emplois considérés comme stressants (par exemple le travail de nuit, les emplois en contact avec le public, les positions inconfortables, le port de charges lourds) et qu’une position de travail inconfortable (chez les femmes seulement) sont des facteurs de risque de survenue d’accident de la route (Chiron et al. [2008]). En outre, la probabilité de survenue d’un accident augmente après une séparation ou un divorce (Lagarde et al. [2004]), ainsi que pour des personnalités de type A (type A behavior pattern) (Nabi et al. [2005]). Ces traits de personnalité, caractérisés par une anxiété latente, une impatience excessive, et une propension à avoir des comportements hostiles, sont considérés comme des facteurs de risque de survenue d’accident de la route (Karlberg et al. [1998] ; Perry [1986] ; West et al. [1993]).

16 Notre étude de l’impact des accidents sur l’emploi des victimes est originale. Différentes hypothèses sont testées dans ce travail. La première est que la survenue d’un accident de la route pourrait conduire à un départ prématuré à la retraite, conditionné par la gravité physique ou matérielle de celui-ci mais également la générosité des revenus de remplacement. A contrario, les mécanismes de protection de l’emploi (adaptation au travail, reconversion, mutation) peuvent conduire à un maintien en emploi.

3.1. La base Gazel

17 La base de données Gazel permet de suivre plus de 20 000 professionnels volontaires d’EDF-GDF inclus en 1989 et âgés de 35 à 50 ans. L’un des principaux atouts de cette cohorte est le taux d’attrition particulièrement faible, de l’ordre de 1 % de la population d’origine. Le suivi de cette cohorte, l’une des plus importantes en France, est particulièrement efficace puisque le taux de réponse à l’auto-questionnaire reste supérieur à 75 %, 18 ans après sa mise en place. Réalisée dans une grande entreprise du secteur public où les employés effectuent le plus souvent la totalité de leur carrière, elle permet le suivi de salariés sur une longue période. Elle présente cependant certaines limites liées au caractère volontaire de la participation [6]. Les non-participants au sein d’une même catégorie socio-professionnelle (PCS) sont caractérisés par une plus forte consommation d’alcool et de tabac et par des comportements à risque plus fréquents (Goldberg et al. [2001]). En outre, le risque d’attrition n’est pas le même en fonction de la consommation de tabac, d’alcool, l’état de santé perçu ou de l’absentéisme médical notamment (Goldberg et al. [2006]).

18 Il est à noter que les agents de maitrise et notamment les cadres sont surreprésentés par rapport aux agents d’exécution. Les données disponibles sont des données sociodémographiques, professionnelles, relatives au mode de vie, psycho-sociales et psychologiques, liées aux difficultés ou aux fragilités et à l’état de santé. La collecte de données provient de différentes sources. Outre les auto-questionnaires annuels, les données proviennent du service du personnel de la caisse de sécurité sociale et des caisses de mutuelles complémentaires et d’action sociale, des centres d’examens de santé de la sécurité sociale, du centre d’épidémiologie des causes de décès de l’Inserm et de la médecine du travail. Depuis 10 ans environ, les volontaires ayant cessé leur activité au sein d’EDF-GDF sont suivis par la mise en place d’une procédure de recueil des données médicales par les médecins traitants. Le catalogue des données répertorie l’ensemble des variables disponibles année par année. Il s’agit donc de données de panel annuel.

3.2. Spécificités de la population d’étude

19 A l’instar d’autres établissements publics à caractère industriel et commercial (EPIC), le statut d’EDF-GDF a changé pour celui de société anonyme (SA) en 2004. Le développement de l’entreprise est aujourd’hui soutenu en partie par l’ouverture de son capital à hauteur de 30 %. Malgré tout, ce statut propose encore de nombreux avantages sociaux et économiques. La Caisse d’Assurance Maladie des Industries Électriques et Gazinières (Camieg) assure depuis 2007 le régime d’assurance maladie des personnels d’EDF-GDF, mais aussi des ayants-droit et inactifs. Outre des prestations en nature, la Camieg recouvre les cotisations du régime complémentaire. En 2009, une couverture prévoyance obligatoire a été mise en place, engendrant des cotisations supplémentaires. La Caisse Centrale d’Activités Sociales (CCAS) a souscrit à ce nouveau contrat, appelé IDCP-N, des garanties dites « toutes causes », et des garanties « accidentelles ». Ces dernières couvrent les décès par accident, l’infirmité permanente partielle (IPP) et l’infirmité permanente totale (IPT). Le montant versé dépend du capital souscrit pour le risque et du taux d’infirmité attribué. Il est exprimé en pourcentage de salaire annuel brut. Les salariés d’EDF-GDF bénéficient d’une caisse de retraite spécifique, la Caisse Nationale de Retraite des Industries électriques et gazinières (CNIEG). Ils peuvent appartenir à trois catégories de services distinctes : les services insalubres (comprenant les travaux de nettoyage, de réparation, les travaux effectués dans les égouts, ou impliquant une exposition régulière à une source d’oxyde de carbone), les services actifs (pour les chefs d’équipes techniques, les agents ayant des fonctions de magasiniers ou travaillant en laboratoire) et les services sédentaires pour les autres agents.

20 L’âge de départ à la retraite est de 55 ans pour les services insalubres et actifs et 60 ans pour les services sédentaires. Le départ à la retraite peut être retardé ou anticipé selon des conditions liées au service ou à la survenue d’un accident. La retraite à taux plein dépend de l’ancienneté dans l’entreprise. Pour les emplois en services sédentaires l’ancienneté nécessaire pour l’obtention d’une retraite à taux plein est de 25 ans contre 15 ans pour les services actifs. Lorsque le nombre d’années pour l’obtention d’une retraite à taux plein n’est pas atteint, le personnel reçoit une pension de retraite proportionnelle au nombre d’années effectuées. Les emplois sont considérés comme sédentaires si l’employé n’effectue pas de travaux d’installation ayant une teneur nocive en oxyde de carbone, ne travaille pas dans les égouts, n’effectue pas de travaux de nettoyage, ne répare pas de fuites (service insalubre) ou n’est pas chef d’équipe responsable de travaux (service actif).

21 La cohorte Gazel couvre ainsi une population spécifique qui n’est représentative ni de la population générale, ni de l’ensemble de la population des travailleurs français. Par exemple, elle ne comprend pas les agriculteurs, ou les professions libérales (Goldberg et al. [2001] ; Metzger et al. [2002] ; Goldberg et al. [2006] ; Goldberg et al. [2007]). Une sous mortalité, ainsi qu’une moindre importance des comportements addictifs ont d’ailleurs été constatés (Chevalier et al. [1987]), en lien avec un probable healthy worker effect (Eisen et al. [2013]). Les travailleurs en bonne santé et les plus robustes restent en emploi, même exposés à un risque professionnel, alors que ceux qui le sont moins diminuent leur offre de travail, voire quittent leur emploi prématurément.

4.1. Stratégie économétrique

22 Nous cherchons à estimer l’effet moyen de d’accidents de la route (à partir de quatre variables : accident de la route général, accident corporel, accident matériel lourd, accident matériel léger) sur différentes dimensions de la trajectoire professionnelle (inactivité, sédentarité, changement de statut d’occupation). Or, certaines variables influençant les accidents de la route peuvent également influencer les trajectoires professionnelles. Par exemple, les préférences pour le travail à (ou proche du) domicile, pour le lieu de vie (en zone urbaine ou rurale), ou pour le moyen de transport utilisé (voiture ou transport en commun) peuvent influencer le choix de certains emplois. Pour tenir compte de cette hétérogénéité inobservée, nous suivons Heckman, Ichimura et Todd [1997] qui montrent qu’en utilisant des données longitudinales l’appariement et la différence-en-différences (DD) peuvent être combinés fructueusement. Ainsi, pour évaluer l’effet d’un accident de la route sur la trajectoire professionnelle, nous associons une DD avec une technique d’appariement par score de propension (Rosenbaum et Rubin [1983]). L’analyse consiste alors à comparer la trajectoire professionnelle des individus ayant subi un accident de voiture (« groupe de traitement ») à celle d’un autre groupe n’ayant pas subi ce choc (« groupe de contrôle »), mais présentant, un an avant l’apparition de ce choc, les mêmes caractéristiques observables.

23 Les individus du groupe de contrôle ont été appariés aux individus du groupe de traitement sur la base de leur score de propension. Ce dernier a été calculé tous les ans pour les individus du groupe de contrôle, et l’année d’avant le choc pour les individus du groupe de traitement. Un individu du groupe de contrôle a donc un score de propension toutes les années où il est observé, un individu du groupe de traitement a donc un score de propension uniquement l’année d’avant le choc. De plus, nous avons également apparié sur l’année d’avant choc. En d’autres termes, nous combinons un appariement par score de propension avec un appariement exact sur l’année. Ainsi, l’individu traité sera apparié à l’individu contrôle le plus proche (basé sur la somme du score de propension et l’année d’avant choc). Ainsi, un individu du groupe de traitement sera associé à son plus proche voisin ayant une probabilité similaire de subir l’accident un an avant sa survenue. Le score de propension synthétise l’ensemble des variables de conditionnement.

24 Les deux hypothèses suivantes ont été vérifiées : (1) l’hypothèse d’indépendance conditionnelle à des caractéristiques observables (conditional independance assumption – CIA) et (2) l’hypothèse de la condition de support commun (overlap). La première hypothèse suppose de disposer de variables de conditionnement rendant compte de l’hétérogénéité individuelle observable. Il est préférable d’utiliser le maximum d’informations et donc de conduire un appariement avec plusieurs variables de conditionnement. Si le nombre est trop élevé, trouver un voisin proche s’avère néanmoins compliqué et le risque de ne pas respecter l’hypothèse CIA est élevé. C’est la raison pour laquelle de nombreuses évaluations empiriques choisissent l’appariement sur le score de propension. Dans notre cas, nous retenons uniquement les observations qui appartiennent au support commun. Par ailleurs, l’appariement utilisé dans cette étude est réalisé avec remise, c’est-à-dire, que plusieurs individus du groupe de contrôle peuvent être associés à un seul individu du groupe de traitement.

25 En associant ces deux méthodes, on s’assure de la comparabilité des deux groupes avant l’accident (appariement), puis on élimine les évolutions temporelles communes aux deux groupes (e.g., réformes du marché du travail, exposition aux campagnes de prévention routière) ainsi que les variables individuelles inobservables constantes dans le temps. Les variables de conditionnement sont susceptibles d’altérer le lien entre les variables de « traitement » (ici, l’accident de la route) et les variables de résultats (ici, l’Inactivité, la Sédentarité, le Changement de statut d’occupation). L’encadré 1 détaille la stratégie économétrique mise en œuvre.

Encadré 1 La méthode de différence en différence avec appariement par score de propension

Cette méthode permet d’éliminer toutes les caractéristiques observées et inobservées fixes dans le temps au niveau individuel (capacités cognitives innées, motivation à trouver un travail). Nous nous inspirons des travaux de Barnay, Duguet et al. [2015] et de Barnay, Ben Halima et al. [2015] qui étudient à l’aide d’une DD combinée à un appariement exact respectivement l’effet d’un handicap et d’un cancer sur la trajectoire professionnelle. Ce faisant, il est possible de tenir compte de dates de survenue de l’événement qui diffèrent selon les individus. L’objectif de notre stratégie est de supprimer l’effet des variables observables (effet de composition des groupes) et non observables constantes dans le temps sur des caractéristiques d’emploi. Ainsi, nous cherchons à estimer des variables caractérisant le marché du travail (y_it) d’un salarié i victime d’un accident (versus j pour la population de contrôle) au temps t (nous observons les effets d’un (t + 1) à cinq ans (t + 5) après la survenue de l’accident). f (X_i ) (respectivement f (X_j )) désigne les variables observables permettant l’appariement par score de propension. L’hétérogénéité individuelle inobservée fixe dans le temps est représentée par le paramètre c_i. Un effet temporel e_t est ajouté car l’influence d’un accident sur les caractéristiques professionnelles peut varier en fonction de changements de comportements de prévention ou du contexte macroéconomique. T_it est une variable indicatrice égale à 1 si l’individu est victime d’un accident, 0 dans le cas contraire. δ est le coefficient définissant l’effet de l’accident et constitue notre paramètre d’intérêt. Finalement, ε_it désigne l’erreur du modèle.
La DD est la différence des variables de résultats entre deux périodes, chez les traités et chez les non traités. Elle va permettre de supprimer les effets des caractéristiques observables (via le PSM) et inobservables fixes dans le temps.
Nous pouvons écrire le modèle pour les individus traités i et pour les individus non traités j :

y_it = e_t + c_i + f (X_i ) + δT_it + ε_it
y_jt = e_t + c_j + f (X_j ) + ε_jt

Nous cherchons à étudier la différence sur les moyennes des variables de résultats entre les deux groupes. Après le calcul de la moyenne chez les individus traités, avant et après traitement, et de la moyenne chez les individus non traités (contrôle) avant et après traitement. La DD est calculée par la formule suivante :

tt
D_i = y_{i, t + 1} − y_i,t−1 et D_j = y_j,t+1 − y_j,t−1

Notre objectif est de calculer la valeur moyenne de Δ pour estimer l’effet du choc de santé :

Δ = E (Y_i1 − Y_i0 ⎢T = 1) − E (Y_i1 − Y_i0 ⎢T = 0)

4.2. Variables de résultats

26 L’ensemble des variables utilisées est résumé dans l’annexe 1 (tableau 1) Nous nous intéressons aux trajectoires professionnelles des employés d’EDF-GDF en fin de carrière, c’est-à-dire âgés de 50 ans à 60 ans au moment de la survenue de l’accident. Cette catégorie correspond aux âges de départ à la retraite pour les employés ayant un poste sédentaire. Voici les variables identifiées pour décrire au mieux ces situations :

27

• la variable Inactivité décrit le fait d’arrêter de travailler, quel que soit le motif : passage en retraite, mise en ALD ou invalidité ;
• la variable Sédentarité définit le degré de sédentarité de l’emploi (le poste est coté 0 s’il est totalement sédentaire et 100 s’il est totalement actif). Le degré de sédentarité dépend de l’emploi occupé. Un individu peut donc être confronté à différents taux sur l’ensemble de la carrière, selon les postes et leur durée. Par ailleurs, l’âge de la retraite est calculé par un algorithme utilisé par EDF-GDF en fonction du temps passé respectivement en poste actif et sédentaire ;
• La variable Changement de statut d’occupation regroupe a posteriori des raisons liées à une modification importante de l’activité. Nous avons identifié à partir des variables disponibles les raisons suivantes : changement de poste, reconversion, chômage, mutation. L’hypothèse est ici faite que ces variables sont suffisamment corrélées pour exprimer la même tendance, c’est-à-dire qu’elles renvoient à la même notion de changement dans l’emploi. De plus, l’observation de chacune d’entre elles prise séparément ne permettrait pas de mettre en évidence un effet éventuel, compte tenu du faible nombre d’observations. Ainsi, nous codons cette variable en 0 ou 1 lorsque l’un de ces éléments survient.

4.3. Variables de traitement

28 Notre étude s’intéresse aux effets des accidents de la route, jusqu’à 5 ans après leur survenue, pour les individus âgés de 50 ans et plus au moment de l’accident. Quatre variables de traitement sont définies. Nous retenons tout d’abord le fait d’avoir subi un accident de la route dans les 12 derniers mois (1). Dans les données source, un changement de libellé est cependant intervenu à partir de 2007. Sur la période 2002-2007, sont inclus les accidents en tant que conducteur et en tant que piéton, alors que seuls les accidents concernant le conducteur sont répertoriés après cette date. Afin d’avoir le bénéfice d’une série longue, nous faisons l’hypothèse que les deux types d’accident ont des effets suffisamment comparables pour être regroupés en une seule variable dénommée accident de la route général. Cette variable dichotomique (oui/non) est mobilisée dans la première approche économétrique, sans tenir compte d’éventuelles différences de gravité de l’accident. Or les résultats antérieurs ont montré que la gravité conditionnait la nature des répercussions de l’accident pour la victime. Pour tenir compte des conséquences physiques ou matérielles de l’accident, trois variables d’intérêt supplémentaires sont utilisées : le nombre d’accidents corporels, le nombre d’accidents matériels lourds et le nombre d’accidents matériels légers. Ces variables ont été recueillies de 2006 à 2014 et sont bien distinctes de la variable dichotomique précédente. Un accident corporel (2) représente un accident de la route ayant nécessité une consultation médicale. Un accident matériel lourd (3), est un accident ayant nécessité un remorquage. Un accident matériel léger (4) est un accident matériel ne rentrant pas dans cette définition. Lorsqu’un individu subit plusieurs accidents sur la période d’étude, seul le premier est considéré.

4.4. Variables de conditionnement

29 La méthode du score de propension est utilisée pour apparier le groupe traité et le groupe contrôle. Pour obtenir une analyse pertinente, les variables de conditionnement doivent affecter à la fois la probabilité d’avoir un accident mais également les performances sur le marché du travail.

30 Le score de propension est ainsi défini à partir des variables suivantes :

31

• L’âge est susceptible d’affecter 1) la probabilité d’avoir un accident (les séniors sont moins touchés par les accidents de la route, mais leurs conséquences sont plus graves [7]) et 2) l’emploi : les 60-64 ans ont des taux d’emploi plus faibles que les plus jeunes et la fréquence du chômage de longue durée par exemple y est plus élevée [8].
• Le niveau initial de formation est susceptible d’affecter 1) la probabilité d’accident : les ouvriers représentaient 22,1 % des décès, alors que les cadres supérieurs ne représentaient que 2,9 % décès (Grossetête [2010]) ; 2) l’emploi : les plus diplômés sont aussi mieux protégés contre le chômage (Attal-Toubert et Lavergne [2006]) que les moins diplômés.
• Le sexe est susceptible d’affecter 1) la probabilité d’accident : les hommes cumulent 75 % de la mortalité sur les routes (Observatoire national interministériel de la sécurité routière [2016]) ; 2) l’emploi : les trajectoires professionnelles féminines sont plus précaires que celles des hommes.
• Le lieu d’habitation est susceptible d’affecter 1) la probabilité d’accident : 77 % des décès ayant lieu en zone rurale, les habitants des grandes zones urbaines sont donc doublement protégés (ils possèdent moins de véhicules que les autres et n’habitent pas en zones rurales) ; 2) l’emploi : les habitants des zones rurales sont aussi plus exposés au chômage (Cavaco et Lesueur [2004]).
• Le statut marital est susceptible d’affecter 1) la probabilité d’accident : une personne célibataire a plus de chance d’avoir un accident de la route que les autres (Grossetête [2010]) ; 2) l’emploi : elle est aussi plus souvent au chômage que les personnes mariées (Biausque et Govillot [2012]).
• Le revenu est susceptible d’affecter 1) la probabilité d’accident car elle influence la probabilité d’avoir une assurance. Ce faisant une meilleure couverture des coûts peut augmenter le risque d’aléa moral (Geoffard [2000]), lui-même pouvant impacter la probabilité d’avoir un accident ; 2) l’emploi car le taux de chômage des plus pauvres est supérieur à celui des classes aisées (Insee [2017]).

32 Nous construisons deux classes d’âge autour de l’âge pivot de 65 ans. La variable sexe est codée 1 si l’individu est une femme, et 0 s’il s’agit d’un homme. La variable lieu d’habitation comprend deux modalités milieu rural, milieu urbain et peut être utilisée comme une mesure de la distance habitation/travail, permettant de prendre en compte le fait de bénéficier de moyens de transports ou de l’obligation d’utiliser un moyen de transport personnel. Pour prendre en compte la PCS, nous utilisons la variable niveau d’éducation, renseignée en fonction du diplôme le plus élevé, nous l’utilisons en deux classes : dernier diplôme obtenu inférieur au baccalauréat, supérieur au baccalauréat. La variable vie en couple comprend deux modalités, en couple (marié, concubinage) ou seul (veuf, séparé, divorcé). La variable de revenu est codée 0 pour les individus dont les revenus mensuels nets du foyer sont inférieurs ou égaux à 1982 euros par mois. Cette variable est codée 1 pour ceux ayant un revenu supérieur à ce montant. Le choix de ce seuil permet de séparer en deux la distribution des revenus pour mieux distinguer deux types de profil. Le seuil a été choisi en fonction de la variable existante qui comprend huit classes, que nous avons regroupées en seulement deux selon le niveau de richesse [9].

5.1. Analyse descriptive

33 Le tableau 1 présente le nombre d’accidents observés au cours de la période 2002-2014. Au total, 4 066 individus ont été victimes d’accidents de la route pendant la période d’étude, pour un nombre total de 5622 accidents (soit 1,4 accident par victime). 656 de ces accidents sont survenus en période d’activité professionnelle. L’annexe 1 (tableau 2) indique le nombre d’accidents par année sur la période 2002-2014. Plus d’accidents sont observés lorsque la variable choisie est plus globale, c’est-à-dire quand l’accident peut survenir y compris en tant que piéton (de 2002 à 2007). La seconde variable est plus restrictive que la seconde puisque les accidents en tant que piéton ne sont pas comptabilisés. Elle est également plus précise et facilite l’interprétation des résultats, puisque l’on peut penser que les déterminants de survenue d’un accident en tant que piéton peuvent être différents de ceux d’un accident en tant que conducteur. L’intérêt de fusionner ces deux variables est de mesurer un effet longitudinal plus important et ainsi profiter des avantages de la cohorte pour les accidents en tant que conducteur notamment.

Tableau 1

Effectifs du nombre d’accidents par type d’accidents observés pendant la période d’étude (nombre d’accidents pour 4 066 individus)

	En activité n(%)	Non activité n(%)	Total
Accident de la route général	656 (11,7)	4966 (88,3)	5622 (100)
Accident corporel	119 (18,3)	531 (81,7)	650 (100)
Accident matériel lourd	132 (20,5)	512 (79,5)	644 (100)
Accident matériel léger	360 (16,2)	1858 (83,8)	2218 (100)

Effectifs du nombre d’accidents par type d’accidents observés pendant la période d’étude (nombre d’accidents pour 4 066 individus)

Note : les effectifs présentés sont ceux du nombre d’accidents observés, un même individu ayant pu subir jusqu’à 5 accidents ; les individus sont en activité lorsqu’ils ont une activité professionnelle qu’elle soit sédentaire ou non.

34 Le tableau 2 présente les principales caractéristiques des victimes, au moment de la survenue du premier accident, et en fonction du type d’accident. La proportion d’hommes (72 %) et de femmes (28 %) parmi les accidentés et les non accidentés est identique lorsqu’on s’intéresse à la variable accident de la route général (p = 0,2). En revanche la proportion des salaires les plus élevés, est supérieure pour les individus du groupe accidenté (22,9 % contre 15,6 % gagnent plus de 3811 euros parmi les accidentés, p < 0,01. La majorité des victimes a entre 55 et 65 ans (56,8 %, p = 0,05). La proportion d’individus diplômés du supérieur, est plus important parmi les accidentés (p < 0,01). En revanche lorsque l’accident provoque une blessure physique ou un dommage matériel, on compte plus de victimes parmi les hommes (79,2 %, p < 0,01), les personnes appartenant aux classes de salaires les moins élevés (p < 0,01) et aux PCS inférieures (p < 0,01). L’annexe 1 (tableau 2) compare le nombre d’observations lié au changement de trajectoires professionnelles pour les individus traités et non traités. Il n’y a pas de différences significatives pour les variables choisies (changement de poste, déménagement, reconversion, chômage, mutation, âge de passage la retraite).

Tableau 2

Description de la population d’étude en fonction du type d’accident

	Accident de la route général(%)			Accident corporel(%)			Accident matériel lourd (%)			Accident matériel léger (%)
	Accidentés (n = 4066)	Non accidentés (n = 14906)	p	Accidentés (n = 587)	Non accidentés (n = 18385)	p	Accidentés (n = 577)	Non accidentés (n = 18395)	p	Accidentés (n = 1737)	Non accidentés (n = 17235)	p
Sexe
Homme	72,2	72,5	0,2	79,2	72,2	***	79,9	72,2	***	80,9	71,5	***
Femme	27,8	27,5		20,9	27,8		20,1	27,8		19,1	28,5
Revenu			***			***			***			***
Moins de 991€	0,5	1		1	0,8		1,2	0,9		0,9	0,9
de 991€ à 1144€	0,9	1,8		2	1,6		1,3	1,6		1,2	1,6
de 1144€ à 1372€	4	6,3		6,8	5,7		5,8	5,8		6,2	5,7
de 1372€ à 1601€	3,5	5,5		5,5	5		6,4	5		5,3	5
de 1601€ à 1982€	17,7	18,9		18	18,7		17	18,7		18,2	18,7
de 1982€ à 2592€	16,1	19,6		20	18,8		19,6	18,7		18,7	18,8
de 2592€ à 3811€	34,4	31,3		32,9	32		31,5	32,1		32,1	32
plus de 3811€	22,9	15,6		13,8	17,4		17,2	17,2		17,4	17,2
Age			**			0,9			***			***
de 45 à 55 ans	6,9	6,8		6,9	6,8		6	6,9		5,7	7
de 55 à 65 ans	56,8	57,4		57	57,3		55,9	57,3		56	57,4
plus de 65 ans	36,3	35,8		36,1	35,9		38,1	35,8		38,3	35,6
Niveau d’éducation			***			***			***			***
CEP	4,8	7		6,1	6,5		6,1	6,5		6,1	6,6
BEPC	13	15,7		13,7	15,1		13,5	15,1		14,7	15,1
CAP	25,9	29,6		30,2	28,8		28,7	28,8		27,8	28,9
BEP, BP	24,5	22,7		24	23,1		24,2	23,1		23,7	23
Baccalauréat	7,7	7,1		6,9	7,2		8,9	7,2		7,7	7,2
BTS, DUT	6,7	5,6		5,4	5,9		5,4	5,9		5,9	5,9
Autres enseignement supérieur	15	10		11,1	11,1		10,7	11,1		11,5	11
Autre diplôme	2,4	2,3		2,6	2,3		2,5	2,3		2,6	2,3
Situation maritale			***			***			0,8			***
En couple	84,8	86,2		87,4	85,8		86	85,9		85,3	85,9
Seul	15,2	13,8		12,6	14,2		14	14,1		14,7	14,1

Situation géographique			***			**			0,7			***
Zone rurale	74,1	72,3		71,5	72,8		72,9	72,7		76	72,3
Zone urbaine	25,9	27,7		28,5	27,2		27,1	27,3		24	27,7
Quantité d’alcool consommée			***			***			***			***
0 verre/jour	21,1	43,5		39,1	38,4		42,4	38,3		38,5	38,2
1 verre/jour	13,1	10,6		11,8	11,2		11,7	11,2		11,1	12
2 verres/jour	20,5	15,6		17,4	16,6		15,7	16,7		16,6	16,9
3 verres/jour	17,9	12,9		13,6	14,1		13,5	14		14	13,9
plus de 3 verres/jour	27,4	17,4		18,1	19,7		16,7	19,8		19,8	19
Profession du père			***			***			***			***
Agriculteur	7,7	9,3		8,2	9		9	9		8,3	9,1
Artisan	11,5	10,7		10,3	10,9		10,7	10,9		11,4	10,8
Chef d’entreprise	0,6	1,1		0,5	1		1,3	1		1	1
Cadre	12,5	10,4		11,4	10,9		10,4	10,9		11,4	10,8
Profession libérale	22,3	21,2		18,6	21,5		20,9	21,4		22	21,4
Employé	6,6	6,6		5,3	6,6		5,6	6,6		5,6	6,7
Ouvrier	30	31,7		34,7	31,2		32,9	31,3		31,4	31,3
Autre	8,8	9		11	8,9		9,2	8,9		8,9	8,9
Travail du conjoint			***			***			***			***
Oui	24,4	22,5		20	23,1		21,1	23,1		21,6	23,2
Non	75,6	77,5		80	76,9		78,9	76,9		78,4	76,8
	Moy (DSa)	Moy (DS)	p	Moy (DS)	Moy (DS)	p	Moy (DS)	Moy (DS)	p	Moy (DS)	Moy (DS)	p
État de santé perçu	3,3 (1,2)	3,3 (1,2)	0,5	3,3 (1,2)	3,3 (1,2)	0,6	3,3 (1,2)	3,3 (1,2)	0,6	3,3 (1,2)	3,3 (1,2)	0,6

Description de la population d’étude en fonction du type d’accident

a Deviation standard
Note : *** : significatif au seuil de 1 %, ** : significatif au seuil de 5 %, * : significatif au seuil de 10 %

5.2. Résultats économétriques

35 Avant de présenter les résultats économétriques, nous testons l’hypothèse de tendance commune. Elle semble globalement vérifiée entre les groupes traités et contrôle (annexe 4, graphiques 5 à 7). Les trajectoires professionnelles semblent évoluer parallèlement avant la survenue du choc dans les deux groupes. Pour la variable inactivité, l’évolution après le choc semble suivre une tendance quasi similaire à celle de la période précédant le choc. Concernant la variable sédentarité les courbes divergent à partir de deux ans après le choc. La variable changement de statut d’occupation montre un croisement des courbes des deux groupes après le choc, indiquant un nombre d’événement de changements dans l’emploi plus élevé dans le groupe contrôle.

36 L’annexe 3 (tableau 4 et graphique 4) présentent les résultats de l’appariement par score de propension. Avant appariement, les populations des groupes traité et contrôle diffèrent : les victimes d’accidents ont un niveau d’éducation moins élevé, sont moins souvent en couple, ont un revenu plus élevé, vivent plus souvent en zone rurale. L’absence d’appariement pourrait conduire à sous-estimer la dégradation de la trajectoire professionnelle en raison d’une meilleure dotation en capital humain de la population victime d’accidents par rapport à la population témoin. Le graphique 4 permet de vérifier la qualité de l’appariement grâce à la distribution du score de propension, les courbes après appariement étant superposables dans les groupes traité et contrôle. Le tableau 3 montre, après appariement, l’absence de différence dans les moyennes des variables d’appariement choisies dans les deux groupes.

37 Finalement, le tableau 4 présente les résultats de la DD après appariement par score de propension. Les coefficients s’interprètent selon la nature des variables : inactivité et changement de statut d’occupation sont des variables qualitatives alors que la variable sédentarité est une variable continue codée de 0 à 100. Ils représentent la moyenne de la différence observée pour chacune des variables de résultat. Pour les variables qualitatives, cette moyenne s’interprète en pourcentage, en multipliant par 100 le coefficient alors que pour la variable sédentarité, le coefficient peut s’interpréter directement.

Tableau 3

Moyenne des variables de conditionnement et moyenne des variables avant et après appariement dans les groupes traité (n = 2 117) et contrôle (n = 85592)

Variable	Moyenne avant appariement			Moyenne après appariement
	Traité(%)	Contrôle(%)	p	Traité(%)	Contrôle(%)	p
Niveau d’éducation
Inf. bac	69,9	76,8	***	71,5	72,9	ns
Sup. bac	30,1	23,2		28,5	27,1
Age
Inf. 65	63,2	63,4	ns	58,9	58,8	ns
Sup. 65	36,8	36,6		41,1	41,2
Lieu de résidence
Zone rurale	74,1	72,3	***	75	73,9	ns
Zone urbaine	25,9	27,7		25	26,1
Statut marital
Pas en couple	15,2	13,8	***	2,7	2,6	ns
En couple	84,8	86,2		97,3	97,4
Revenu
Inf. 1982 euros	26,6	33,5	***	20,2	18,8	ns
Sup. 1982 euros	73,4	66,5		79,8	81,2
Sexe
Femme	27,8	27,5	ns	25,8	25,2	ns
Homme	72,2	72,5		74,2	74,8

Moyenne des variables de conditionnement et moyenne des variables avant et après appariement dans les groupes traité (n = 2 117) et contrôle (n = 85592)

Note : La taille des groupes traité et contrôle dépend de l’appariement effectué avec la première variable de résultat, c’est-à-dire l’effet du traitement sur l’inactivité.
Lecture : La significativité globale des variables comprenant plusieurs modalités a été testée ; Après appariement il n’y a plus de différence dans les moyennes des variables utilisées entre les groupes traité et contrôle dans le modèle.
*** : significatif au seuil de 1 %, ** : significatif au seuil de 5 %, * : significatif au seuil de 10 %.

5.3. Inactivité professionnelle

38 La survenue d’un accident de la route général ne semble pas conduire à une sortie plus précoce du marché du travail ni à un changement de statut d’occupation. En effet, on ne mesure pas de différence entre les groupes traité et contrôle pour le passage du statut d’actif occupé à celui d’inactif et ce, quel que soit l’horizon temporel. Des accidents corporels vont en revanche, à partir de 3 ans après la survenue du choc, provoquer une sortie du marché du travail plus précoce que pour les individus n’ayant pas subi d’accident, tendance qui se renforce avec le temps. Cette sortie de l’emploi est décalée dans le temps, puisqu’elle intervient à partir de 3 ans après la survenue de l’accident de la route. Ainsi, la survenue d’un accident corporel n’empêche pas la reprise immédiate du travail. Toutefois, cette variable ne permet pas de distinguer les accidents selon leur gravité. Concernant les deux autres variables de traitement (accidents matériels légers et accidents matériels lourds) nos résultats indiquent une sortie plus précoce du marché du travail, là encore différée d’environ 3 ans après l’accident.

5.4. Sédentarité

39 Concernant la variable de traitement Accidents de la route général, aucun effet significatif n’est identifié sur le niveau de sédentarité du personnel, de même que pour la variable Accidents matériels légers. Pour la variable accidents matériels lourds, on constate un effet significatif sur la sédentarité à partir de la 2^ème année après le choc, mais contraire aux prédictions puisqu’apparait une tendance à opter pour des postes moins sédentaires après l’accident. Le choix de postes plus sédentaires aurait en effet été attendu afin de réduire les contraintes physiques associées à l’emploi. Nous observons ce même résultat pour la variable accidents corporels à partir de la première année. Il n’y a pas d’observations pour la cinquième année en raison d’effectifs insuffisants [10].

5.5. Changement de statut d’occupation

40 Les changements de statut d’occupation constituent un indicateur composite et retracent les changements dans l’emploi (de type épisode de chômage, reconversion, changement de poste, mutation). A la suite d’un accident de la route général, aucune modification de poste n’apparait, que ce soit à court ou à long terme. Un résultat identique est obtenu pour les victimes d’accidents corporels, matériels lourds ou matériels légers. S’agissant d’une variable composite, il est difficile de savoir plus précisément l’origine de cet effet [11]. Nous pouvons cependant constater que les victimes n’ont pas subi de changement dans leur emploi.

Tableau 4

Effets des accidents (DD avec appariement par score de propension)

Accident de la route général

Accident corporel

Accident matériel lourd

Accident matériel léger

Inactivité

Sédentarité

Changement de statutd’occupation

Inactivité

Sédentarité

Changement de statutd’occupation

Inactivité

Sédentarité

Changement de statutd’occupation

Inactivité

Sédentarité

Changement de statutd’occupation

t − 1, t + 1

0,06

– 0,27

– 0,01

0,04

0,48

– 0,03

0,03

0,3

– 0,03

0,03

– 0,02

– 0,03

Effet

– 0,01

– 0,1

0,02

0,02

0,5

0,001

0,02

0,3

– 0,007

0,02

– 0,005

– 0,007

t-test

– 0,63

– 0,3

– 0,14

1,45

1,75*

0,05

1,43

1,04

– 0,35

1,32

– 0,02

– 0,38

t − 1, t + 2

0,08

– 0,33

– 0,02

0,06

0,71

– 0,03

0,05

0,4

– 0,04

0,05

– 0,02

– 0,03

Effet

0,02

– 0,19

– 0,01

0,02

0,71

0,0009

0,02

0,4

– 0,01

0,02

– 0,02

– 0,01

t-test

– 0,64

– 0,56

– 0,33

1,43

2,93***

– 0,04

1,5

1,64*

– 0,68

1,37

– 0,16

– 0,54

t − 1, t + 3

0,1

– 0,22

– 0,02

0,08

0,99

– 0,04

0,07

0,6

– 0,05

0,07

– 0,03

– 0,04

Effet

0,22

– 0,06

– 0,02

0,03

0,99

– 0,008

0,03

0,6

– 0,02

0,03

– 0,03

– 0,002

t-test

– 0,81

– 0,18

– 0,77

1,86*

2,92***

– 0,33

1,89*

1,68*

– 0,95

1,75*

– 0,23

– 0,08

t − 1, t + 4

0,13

– 0,57

– 0,04

0,09

1,01

– 0,05

0,08

0,9

– 0,06

0,08

– 0,11

– 0,04

Effet

– 0,02

– 0,33

– 0,02

0,04

1,01

– 0,009

0,04

0,9

– 0,03

0,04

– 0,11

– 0,0004

t-test

– 0,78

– 0,73

– 1,09

2,08**

2,05**

– 0,34

2,09**

1,59

– 1,12

2,02**

– 0,5

– 0,02

t − 1, t + 5

0,15

– 0,98

– 0,04

0,11

–

– 0,06

0,1

–

– 0,07

0,1

–

– 0,05

Effet

– 0,04

– 0,57

– 0,01

0,05

–

– 0,02

0,05

–

– 0,03

0,05

–

– 0,03

t-test

– 1,22

– 0,76

– 0,51

1,84*

–

– 0,63

1,9*

–

– 1,12

1,85*

–

– 0,96

Effets des accidents (DD avec appariement par score de propension)

Note : *** : significatif au seuil de 1 %, ** : significatif au seuil de 5 %, * : significatif au seuil de 10 %.
Lecture : Les trois premières lignes de la colonne inactivité pour les accidents corporels, signifient que parmi les individus du groupe traité, 4 % sont passés en retraite un an après l’accident, qu’il y a une augmentation de 2 % du passage en retraite par rapport au groupe contrôle, mais que cette différence n’était pas significative. Pour la variable sédentarité parmi les individus du groupe traité, on note une augmentation de 0,48 point en moyenne la première année du choc, une augmentation de 0,5 point par rapport au groupe contrôle sur la même période et que cette différence est significative au seuil de 10 %.

5.6. Analyse de sensibilité

41 Une analyse complémentaire utilisant une autre méthode statistique a été utilisée pour confirmer nos précédents résultats. L’annexe 2 (graphiques 1 à 3) présente l’évolution des variables de résultat étudiées tenant compte des caractéristiques individuelles par l’utilisation d’une méthode de régression à effets fixes (encadré 2). Ce modèle permet de contrôler l’hétérogénéité inobservée au niveau individuel (e.g., Cheng [2003] ; Gujarati et Porter [2009] ; Wooldridge [2013]) et d’introduire les variables de contrôle directement dans le modèle. Le passage à l’inactivité est plus fréquent après la survenue de l’accident de la route général, mais il est significativement plus élevé dans le groupe traité avant le choc, ce qui pourrait s’expliquer en partie par des groupes traité et contrôle qui ne sont pas comparables, justifiant alors le recours à l’appariement par score de propension. La variable sédentarité indique une plus forte fréquence des postes sédentaires pour les victimes. Il ne semble pas exister de tendance avant et après le choc, même si les différences sont significatives entre les groupes, le groupe traité étant plus sédentaire avant et après l’accident de la route général. Il n’y a pas de différence entre les groupes concernant la variable Changement de statut d’occupation, ni dans les variables qui la composent, changement de poste, mutation, reconversion professionnelle, chômage. Chacune de ces variables prise séparément ne montre pas d’évolution significative dans le temps.

Encadré 2 Régression à effets fixes

Le modèle a pour objectif d’étudier l’évolution des variables liées à l’emploi dans les groupes traité et contrôle. Nous utilisons un modèle à effet fixe individuel et temporel sur données de panel pour contrôler toutes les variables omises et fixes dans le temps. Le modèle utilisé est le suivant :

y_it = α_i + δ_t + βX_it + ε_it

Y_it sont not variables de résultat (le passage du statut d’actif à inactif, le taux d’activité, la variable composite de changement dans l’emploi, la variable reconversion, la variable mutation et la variable chômage), X_it sont les variables de contrôle, α_i et δ_t sont les effets fixes individuels et temporels respectivement.

5.7. Discussion

42 Cette étude analyse l’effet des accidents de la route sur des changements de situations professionnelles, pour les employés d’EDF-GDF en fin de carrière. Elle se distingue des autres études françaises à plusieurs égards. Contrairement aux travaux économiques réalisés en France sur la relation santé-travail, notre étude mobilise tout d’abord les données d’une cohorte dont la profondeur temporelle et la richesse des informations permettent de reconstituer finement des trajectoires individuelles. Rares sont en effet les travaux en France mobilisant les données d’un véritable panel. Le faible taux d’attrition permet, en outre, de disposer d’un échantillon d’une taille suffisante pour mobiliser des techniques économétriques adéquates dans la mesure d’effets causaux.

43 Ensuite, nous mobilisons une variable originale accident de la route général qui ne constitue pas forcément per se un choc de santé similaire à la survenue d’une maladie ou d’un handicap. Nous supposons alors que ce choc peut altérer l’arbitrage travail-loisir à proximité de l’âge de la retraite. La décision du départ en retraite dépend en effet de déterminants monétaires (décote, taux de remplacement espéré, dispositifs de préretraite, de reclassement, critères d’éligibilité aux pensions d’invalidité) et non-monétaires comme l’état de santé ou les préférences jointes dans le couple. La survenue d’un accident pour un salarié de plus de 50 ans dans une grande entreprise publique relève potentiellement de trois effets ; 1) un effet direct sur une obligation de soins si l’accident le nécessite induisant une diminution de l’offre de travail 2) potentiellement un effet indirect lié aux conséquences en termes de coût psychologique et 3) une désutilité au travail du fait de l’exigibilité à des dispositifs généreux de départ anticipé. Les effets 2) et 3) sont les plus probables puisqu’aucun effet de court terme n’est mesuré.

44 Nous combinons deux techniques économétriques permettant de contrôler les effets d’hétérogénéité observée (score de propension) et d’hétérogénéité inobservée fixe dans le temps (DD).

45 Nos résultats indiquent une sortie du marché du travail à partir de 3 ans après la survenue d’accidents corporels ou matériels. Ainsi, si cette sortie du marché du travail est plus précoce dans le groupe traité, elle est décalée par rapport à la survenue de l’accident. Différentes hypothèses peuvent être faites pour expliquer ce résultat. Tout comme Zimmer [2015] et Halla et al. [2013], nous pouvons supposer que les employés bénéficiant d’assurances à des tarifs avantageux au sein de l’entreprise ont la possibilité de sortir plus tôt du marché du travail. L’effet de la variable Accident de la route général sur le changement du taux d’activité étant non significatif, nous pouvons penser que le salarié garde son poste, sans changement majeur dans les tâches qui lui étaient précédemment confiées. Ce résultat est conforme à l’épidémiologie des accidents de la route et aux résultats de la littérature, car quand un accident de la route n’a pas ou peu de conséquences physiques ou matérielles, ses effets sont minimes. Si la prévalence des accidents de la route est importante, leur impact sur les trajectoires professionnelles des individus en fin de carrière reste modeste.

46 Concernant l’impact de la variable Accident corporel, contrairement à nos hypothèses, les victimes ne s’orientent pas vers des postes plus sédentaires mais le contraire. Nous pouvons l’interpréter de deux façons. Premièrement, la grande partie des accidents nécessitant une consultation médicale ne sont pas des accidents graves et n’entrainent pas de séquelles invalidantes qui limiteraient significativement les activités professionnelles. Deuxièmement, ce résultat doit être interprété au regard de l’effet d’un reclassement d’un emploi vers un poste moins sédentaire qui ouvre droit in fine à un départ précoce en retraite. Il pourrait donc s’agir pour l’entreprise d’un levier dont elle pourrait se servir pour faciliter un départ plus précoce du marché du travail et sécuriser la trajectoire professionnelle du salarié. Ce résultat constitue un élément nouveau contributif à la littérature existante. Ce levier nécessite l’existence, dans l’entreprise, d’un classement des emplois selon des niveaux de sédentarité définis, avec des droits à la retraite variant en fonction des postes occupés. Une autre hypothèse explicative serait liée aux caractéristiques mêmes des emplois, certains postes actifs pouvant présenter des avantages que n’ont pas les postes sédentaires. Cette interprétation des résultats est également valable pour les résultats sur la variable Accident matériel lourds. Le résultat concernant la variable Changement de statut d’occupation est également intéressant. Alors qu’intuitivement on pourrait s’attendre à une augmentation du nombre d’événements composant cette variable, il n’en n’est rien. Une interprétation serait l’existence d’une protection offerte par l’entreprise conduisant à limiter le nombre de mutations ou de changements de postes pour les victimes d’accident afin de leur offrir une plus grande stabilité dans l’emploi. Nos résultats corroborent d’ailleurs d’autres résultats déjà connus dans la littérature (Garcia-Gomez et al. [2013b] ; Lundborg, Nilsson et Vikstrom [2015] ; Leonard, Hughes et Pruitt [2017]).

47 En outre, nous postulons que la survenue de ce choc est exogène pour plusieurs raisons. Tout d’abord dans notre étude, l’accident de la route peut concerner le conducteur mais également le piéton (de 2002 à 2007). Dans ce dernier cas, s’il est possible que le degré d’urbanisme et la densité de véhicules augmentent la probabilité d’accident de la route en tant que piéton, l’hypothèse d’exogénéite nous semble raisonnable. L’exogénéité de la survenue d’un accident de la route en tant que conducteur peut être discutée, tant il semble vraisemblable que certains déterminants individuels pourraient influencer sa survenue, comme par exemple les comportements à risque (conduite agressive ou consommation d’alcool). De même, le fait de posséder et d’utiliser ou non sa voiture peut dépendre de caractéristiques individuelles (niveau de revenu, distance domicile-travail). Sur ce dernier point cependant, il a été montré que le facteur influençant le plus l’utilisation de la voiture pour les déplacements professionnels était l’existence ou non de transports en commun (Commissariat général au développement durable [2010]). Ainsi il existe un gradient net de l’utilisation entre Paris, la région parisienne et la province. L’utilisation de la voiture augmente au fur et à mesure que l’on s’éloigne de Paris. La PCS joue aussi un rôle. Le recours aux transports en commun est plus fréquent pour les PCS élevées en Ile-de-France mais aussi chez les PCS les plus modestes en Province (Commissariat général au développement durable [2010]). Les méthodes employées dans notre travail reposent sur l’hypothèse que le choc subi est exogène. Or on ne peut affirmer avec certitude que c’est le cas. Plusieurs effets de sélection sont en effet à l’œuvre. Par exemple, un accident de voiture en tant que conducteur suppose tout d’abord que l’individu soit en possession d’un véhicule, ce qui sélectionne une population en ayant les moyens financiers. Ensuite la probabilité de survenue d’un accident est accrue en cas de fatigue, avec l’âge, ou le degré d’alcoolémie. Cette question de l’exogénéité est commune aux différents travaux sur la question recourant à l’utilisation de méthodes économétriques valides et robustes (Garcia-Gomez et al. [2013] ; Barnay, Ben Halima et al. [2015] ; Woode [2017] ; Gupta, Kleinjans et Larsen [2015]).

48 L’une des difficultés rencontrées réside dans l’absence de caractérisation précise des séquelles survenant à la suite des accidents. Nous disposons cependant d’informations sur la nature des chocs ce qui n’est pas suffisant pour caractériser le degré de gravité de l’accident. Seul le motif précis de consultation, qui n’est pas recueilli, permettrait d’avoir une variable de mesure pertinente. Une autre limite tient à la disponibilité des variables sur des périodes similaires. Le recueil de données s’effectuant par vagues, les questionnaires évoluent d’une année sur l’autre et ne sont pas systématiquement constitués des mêmes questions. Il serait alors intéressant de comparer l’effet d’un accident de la route grave, avec l’effet d’autres chocs de santé pour comparer les amplitudes. Les différentes variables testées comme mesures de la gravité (arrêt de travail, accident corporel et matériel lourd, accident et augmentation du nombre d’hospitalisations) n’ont pas permis d’identifier correctement ce phénomène et ne sont donc pas présentées ici. Par ailleurs, d’autres mesures de performance sur le marché du travail n’étaient pas disponibles (salaires, temps de travail).

49 Les résultats portent sur une population particulièrement protégée et spécifique et ne peuvent prétendre à être généralisés à toute la population française. Par ailleurs, à l’instar de toute étude mobilisant des données déclaratives, on ne peut écarter un biais de déclaration de l’état de santé. On peut également supposer que les événements de santé les plus pénalisants ont écarté les individus du marché du travail de telle façon qu’ils ne soient plus présents dans la cohorte. Ce biais de sélection pourrait conduire à sous-évaluer l’impact du choc de santé. Dans la cohorte Gazel, les individus les plus jeunes ont 35 ans en 1989, la majorité des accidents étudiés à partir de 2002 concernent donc des retraités, et non pas des actifs. Nous ne les avons pas pris en compte dans notre analyse.