Les données salariales auxquelles la plupart des demandeurs d’emploi font confiance sont fausses. Voici où chercher à la place

Pourquoi la plupart des données salariales en ligne sont-elles moins précises que vous ne le pensez ?

La plupart des demandeurs d’emploi abordent la recherche salariale de la même manière qu’ils abordent toute autre recherche en ligne. Ils saisissent un titre de poste et un emplacement sur la première plate-forme qui apparaît, jettent un coup d'œil à la moyenne et traitent ce chiffre comme un fait. Le processus prend quatre-vingt-dix secondes. Les conséquences d'une erreur s'accumulent sur toute une carrière, car chaque salaire fixe le suivant et un manque à gagner de 5 % lors de votre première négociation n'est pas une perte ponctuelle. C’est un problème composé.

Le problème structurel des données salariales en ligne n’est pas qu’elles soient intentionnellement trompeuses. Le problème est que les incitations des plateformes qui les collectent ne correspondent fondamentalement pas aux besoins de précision des personnes qui les utilisent. Les sites de salaires autodéclarés dépendent des soumissions des utilisateurs pour créer leurs bases de données. Les utilisateurs qui soumettent ne constituent pas un échantillon aléatoire de la main-d’œuvre. Il s’agit de manière disproportionnée de personnes qui gagnent au-dessus de la moyenne et souhaitent partager, ou de personnes qui gagnent en dessous de la moyenne et souhaitent se comparer avant de partir. Les deux groupes introduisent un biais d’échantillonnage et tous deux éloignent les chiffres globaux de la véritable médiane du marché. Des recherches menées par des économistes du travail de Stanford comparant les plateformes autodéclarées aux données vérifiées des employeurs ont révélé que les salaires Glassdoor s'écartent de 5 % à 15 % au-dessus des médianes réelles du marché (Payscale, « Compensation Best Practices Report », 2025). La direction de l’erreur est cohérente. L'ampleur varie selon le rôle. L’implication est la même dans tous les cas : le montant que vous examinez est probablement supérieur à ce que la plupart des employeurs paient réellement.

Le problème de l'obsolescence vient aggraver le problème de l'échantillonnage. Les données salariales sur les plateformes gratuites peuvent rester non actualisées pendant des années. Un salaire d’ingénieur logiciel à partir de 2022 reflète un marché de recrutement qui n’existe plus. Le salaire d’un responsable marketing à partir de 2023 est antérieur à la restructuration basée sur l’IA qui a modifié le prix que les entreprises paient pour ces compétences. S’appuyer sur des données qui n’ont pas été mises à jour depuis la dernière administration présidentielle n’est pas une recherche. C’est jouer avec un nombre qui façonne votre trajectoire financière, et les chances ne sont pas en votre faveur.

Le paysage des données salariales : d’où viennent réellement les chiffres

Avant de pouvoir choisir la bonne source de données, vous devez comprendre quel type de données chaque source contient réellement. Les plateformes salariales ne mesurent pas toutes la même chose. Ils ne collectent pas tous les données de la même manière. Et ils n’ont pas tous le même objectif dans une négociation. Les regrouper par type de données plutôt que par nom de marque clarifie celles qui appartiennent à votre pile de recherche.

Les ensembles de données gouvernementales se situent au sommet de la hiérarchie de fiabilité. Le programme du Bureau of Labor Statistics sur l'emploi et les salaires par profession enquête sur environ 1,1 million d'établissements dans 830 professions et rapporte les données salariales réelles soumises par les employeurs avec une ventilation géographique. Les données sont statistiquement rigoureuses, couvrent presque tous les secteurs et ont le poids d’une enquête fédérale obligatoire. Il est également en retard de douze à dix-huit mois sur le marché et n'inclut pas les bonus, les actions ou les avantages sociaux, qui totalisent en moyenne 29,5 % de la rémunération totale. Les données gouvernementales vous donnent la parole. Cela ne vous donne pas de plafond, ni le numéro spécifique qu'une startup technologique d'Austin proposera à un chef de produit senior la semaine prochaine (Salary.com).

Les plateformes participatives comme Levels.fyi et Glassdoor comblent le manque d'actualité que les données gouvernementales ne peuvent pas combler. Levels.fyi, qui est devenu la référence standard en matière de rémunération technologique, vérifie les soumissions par rapport aux lettres d'offre et aux formulaires W-2 plutôt que d'accepter les auto-évaluations à leur valeur nominale. Il divise la rémunération totale en salaire de base, capitaux propres, prime de signature et prime de performance, ce qui est important car les capitaux propres peuvent représenter 40 % ou plus de la rémunération totale dans les entreprises technologiques publiques. Le compromis est la couverture. Plus de 70 % des soumissions Levels.fyi sont des rôles d'ingénierie logicielle. La plateforme est exceptionnelle pour son créneau et presque inutile pour quiconque en dehors d’elle.

Les agrégateurs d’offres d’emploi représentent la catégorie la plus récente et, à certains égards, la plus directement utile pour les demandeurs d’emploi. Des plateformes comme Comprehensive.io et HireJack extraient les échelles salariales directement des offres d'emploi des employeurs plutôt que de s'appuyer sur les auto-évaluations des employés. Étant donné que les lois sur la transparence des salaires couvrent désormais environ 60 millions de travailleurs américains répartis dans seize États, une part croissante des offres incluent des échelles salariales divulguées par l'employeur. Les données sont aussi actuelles que le marché du travail lui-même, car elles proviennent d'affichages en direct. La limite est la couverture. Si un rôle n'est pas activement recruté avec une plage divulguée, il n'apparaîtra pas dans l'ensemble de données. Mais lorsqu'il apparaît, le chiffre provient du budget de l'employeur plutôt que de l'auto-évaluation d'un étranger.

Les chiffres dans le tableau reflètent ce qui se passe lorsque la recherche sur les salaires tourne mal et à quelle fréquence cela se produit. Plus de la moitié des salariés ne négocient jamais, laissant intact tout ce qui est sur la table. Près des deux tiers des employeurs déclarent que les candidats arrivent avec des données non vérifiées. Près de la moitié de tous les salaires déclarés sont en baisse de plus de 15 %. Et près des trois quarts des échecs de négociations sont dus à des données faibles, et non à des candidats faibles. Le motif n'est pas subtil. Ceux qui perdent les négociations ne sont pas moins qualifiés. Ils sont moins informés, et ils le sont moins parce qu’ils ont fait confiance à la source la plus simple plutôt qu’à la bonne.

À quelles sources devriez-vous faire confiance pour votre situation spécifique ?

Aucune plateforme salariale unique ne convient à chaque rôle, secteur d’activité et contexte de négociation. La bonne source dépend du type de poste que vous recherchez, de l'étape du processus d'embauche dans laquelle vous vous trouvez et du type d'entreprise à laquelle vous vous adressez. La matrice ci-dessous compare les principales catégories de sources de données aux scénarios dans lesquels chacune mérite sa place dans votre recherche.

Le tableau n'est pas un classement. C'est un outil de décision. Un ingénieur logiciel qui négocie une offre d'une startup de série C a besoin de Levels.fyi pour les données sur les capitaux propres et d'un agrégateur d'offres d'emploi pour ce que font la publicité des concurrents. Une infirmière recherchant la rémunération dans un système hospitalier spécifique a besoin des données BLS pour la référence régionale et du Glassdoor pour les fourchettes spécifiques à l'établissement. Différents rôles, différentes piles, différents nombres. La seule règle universelle est qu’une seule source ne suffit jamais.

Comment trianguler : la règle des trois sources qui élimine les mauvaises données

L'habitude Recherche salariale la plus fiable est la triangulation : vérifier trois sources de données indépendantes et ne faire confiance qu'aux chiffres qui convergent dans une bande raisonnable. Si BLS indique que la médiane pour votre rôle dans votre ville est de 72 000 $, qu'un agrégateur d'offres d'emploi affiche les offres actuelles allant de 68 000 $ à 82 000 $ et que Levels.fyi affiche des offres vérifiées se regroupant autour de 75 000 $, vous disposez d'une fourchette étroite et défendable. Si Glassdoor indique 95 000 $ et que tout le reste indique 72 000 $, vous avez une valeur aberrante à éliminer, pas une monnaie d'échange.

La séquence compte autant que le décompte. Commencez par les données gouvernementales comme référence. C’est le plus lent à évoluer mais le plus difficile à écarter car il est statistiquement représentatif d’une manière qu’aucun ensemble de données autodéclarées ne peut égaler. Vérifiez ensuite une source spécifique au rôle : Levels.fyi pour la technologie, une enquête auprès d'une association professionnelle pour le droit ou la médecine, un guide des salaires de l'industrie pour les rôles comptables ou administratifs. Terminez par une vérification du marché actuel à l'aide d'un agrégateur d'offres d'emploi ou en recherchant des offres en direct dans votre zone géographique cible et en filtrant les postes qui incluent des échelles salariales divulguées. L'ensemble du processus prend vingt minutes. La différence entre un nombre triangulé et une estimation provenant d'une source unique est la différence entre négocier avec force et espérer que vous n'avez pas simplement demandé quelque chose qui met fin à la conversation.

Lorsque vous avez votre portée, attachez-y un niveau de confiance. Un chiffre confirmé par les données gouvernementales, les soumissions vérifiées sur la plateforme et les fourchettes actuelles publiées par les employeurs est un niveau de confiance élevé. Un chiffre provenant d’une seule plateforme autodéclarée avec une grande variance et des entrées obsolètes est faible. Vous n'avez pas besoin de partager votre cote de confiance avec l'employeur. Vous devez le savoir vous-même afin d'ancrer votre demande sur les données à haut niveau de confiance et de conserver les données à faible niveau de confiance suffisamment librement pour pouvoir vous ajuster lorsque l'offre de l'employeur révèle des informations que vous n'auriez pas pu recueillir à l'avance.

De la recherche à la négociation : utiliser les données sans ressembler à une feuille de calcul

Gathering accurate Données salariales is the prerequisite. Le livrer dans une négociation sans paraître robotique ou contradictoire est la compétence qui convertit la recherche en dollars. La plupart des candidats commettent l’une des deux erreurs suivantes. Soit ils citent leurs données comme s'ils présentaient des preuves au tribunal, ce qui met l'employeur sur la défensive, soit ils ne citent aucune donnée, ce qui laisse leur demande flotter dans les airs sans rien en dessous. La voie du milieu fonctionne mieux que les deux extrêmes.

Ouvrez avec la plage plutôt qu'un seul numéro. Un seul numéro invite à un oui ou à un non. Une plage ouvre une conversation. La formulation qui fonctionne est une version de : « Sur la base de mes recherches sur les tarifs actuels du marché pour ce rôle dans cette zone géographique, je m'attendais à quelque chose dans la fourchette de X à Y. Comment cela se compare-t-il à ce que vous avez budgétisé ? » La question finale transforme une demande en invitation. Cela donne également à l'employeur la possibilité de dire que votre fourchette se situe dans les limites de son budget, légèrement au-dessus mais négociable, ou bien au-dessus, auquel cas vous avez appris quelque chose de précieux sur le poste avant de l'accepter.

Référencez vos sources au passage, pas en détail. Vous n’avez pas plus besoin de nommer Levels.fyi ou BLS dans une négociation que de citer vos sources dans une conversation sur la météo. Ce qui compte, c'est que vous parliez comme quelqu'un qui a fait le travail, pas comme quelqu'un qui devine. Une expression telle que « données de marché pour des rôles comparables dans cette région » communique la confiance de la recherche sans donner l'impression que vous lisez une déposition. Si l'employeur repousse votre fourchette, c'est à ce moment-là que vous devenez précis. "J'examine les données d'offres vérifiées pour ce niveau dans des entreprises comparables, ainsi que les publications actuelles qui divulguent des fourchettes comprises entre X et Y." La spécificité est votre sauvegarde. La confiance est votre ouvreur.

Les candidats qui remportent les négociations ne sont pas ceux qui présentent les demandes les plus agressives. Ce sont eux dont les demandes reposent sur des chiffres que les deux parties peuvent considérer comme réels. Un employeur peut contester vos préférences. Il leur est beaucoup plus difficile de contester des données de marché vérifiées présentées calmement, sans ego, comme le point de départ commun d’une conversation que les deux parties souhaitent terminer par un oui. La recherche argumente à votre place. Votre travail consiste à le livrer comme si c'était la chose la plus naturelle au monde, car après vingt minutes de triangulation, c'est le cas.

Des données salariales précises ne garantissent pas une offre plus élevée. Aucune donnée ne peut obliger un employeur à payer plus que ce que son budget lui permet, et aucune source ne peut prédire l’urgence avec laquelle il devra remplir ce rôle. Ce que des données précises permettent d'éliminer la plus grande erreur directe dans la négociation salariale : demander le mauvais numéro parce que vous avez fait confiance à la mauvaise source. Corriger cette erreur ne coûte rien, sauf les vingt minutes nécessaires pour vérifier trois sources au lieu d'une. Au cours d’une carrière, le retour sur ces vingt minutes se mesure en centaines de milliers de dollars. Il n’y a pas beaucoup d’investissements avec ce ratio. Il y en a encore moins que presque personne n’en fabrique.