 Je m'appelle François Poignasse, je suis enseignant-chercheur ATSE depuis 2010. Je travaille en économie de l'éducation, économie du travail et plus généralement en microéconomie appliquée. Je suis dans le groupe de recherche thématique qui s'appelle Économétrie et économie empirique. A l'intérieur de ce groupe-là, des chercheurs travaillent sur les méthodes économétriques. Économétrie consiste à mettre en place des méthodes d'estimation statistiques qui utilisent des données pour répondre à des questions économiques. Il y a des chercheurs qui travaillent sur ces méthodes-là et d'autres chercheurs qui travaillent sur l'application de ces méthodes dans des domaines de l'économie tels que l'économie du travail ou l'organisation industrielle. En économie du travail, je me suis intéressé à expliquer la dynamique des promotions au sein de l'entreprise. Pour cela, on a utilisé des données sur des cadres américains embauchés dans des grandes entreprises. Ce qu'on observe dans les données, c'est que les personnes qui sont promues plus rapidement dans le passé ont une probabilité de promotion plus élevée. Il y a plusieurs facteurs qui peuvent expliquer cette corrélation dans les vitesses de promotion qui sont liées à des caractéristiques observables comme le niveau d'éducation de la personne ou le niveau hiérarchique dans l'entreprise. Mais également d'autres facteurs non observables pour l'économiste qui sont liés à la motivation ou aux talents de la personne. L'enjeu pour l'économiste dans ce travail-là est justement d'arriver à mesurer l'impact causal du fait d'avoir été promu rapidement dans le passé. Et la vitesse des promotions en elle-même n'a qu'un impact marginal sur le fait d'être promu à un instant donné. L'enjeu pour l'économétrie dans les 10, 20 ou 30 prochaines années va être d'exploiter les big data. Actuellement, les entreprises amassent un certain nombre d'informations de plus en plus conséquentes sur leurs clients tels que les décisions de consommation, les goûts, la localisation. Et l'économiste va être capable dans le futur d'utiliser ces données-là pour pouvoir répondre à des questions qui n'ont pas été adressées dans le passé.