Les révisions du Nonfarm Payrolls : pourquoi les données emploi induisent en erreur aux points de retournement

Graphique : Variation mensuelle des nonfarm payrolls américains — publication initiale vs valeur finale révisée (1980–2026)

Nonfarm Payrolls : variation mensuelle avec zones de récession

1 047 observations mensuelles depuis janvier 1939. Zones de récession du NBER ombrées. Données : BLS PAYEMS via FRED.

Idée clé

Le motif visuel est trompeur : ce qui ressemble à une décélération régulière avant la récession était, en temps réel, masqué par des publications initiales systématiquement trop optimistes. L’écart de révision — la distance entre ce que les décideurs voyaient et ce qui s’est réellement passé — est l’apport analytique de ce jeu de données.

Sources : U.S. Bureau of Labor Statistics, FRED (PAYEMS), dates de récession du NBER. Graphique : Eco3min Research.

PNG SVG PDF Utilisation libre avec attribution · Citer ce jeu de données

Comment lire ce graphique

Chaque barre représente la variation mensuelle finale révisée de l’emploi total non agricole (en milliers de personnes, corrigé des variations saisonnières) à partir de l’enquête auprès des établissements du BLS. Les zones grisées indiquent les récessions datées par le NBER. Le graphique exclut les extrêmes d’avril à juin 2020 de la plage visible pour des raisons de lisibilité (avril 2020 : −20 787K ; mai 2020 : +2 725K ; juin 2020 : +4 781K).

Ce que le graphique ne montre pas est tout aussi important : les valeurs de publication initiale — celles que les marchés et les décideurs ont réellement vues en temps réel — étaient systématiquement différentes de ces valeurs finales. Cet écart est au cœur de cette étude. Pour replacer le chiffre mensuel des payrolls dans une dynamique plus large du marché du travail, voir notre jeu de données sur le taux de chômage et notre série des inscriptions initiales au chômage.

Le biais de révision systématique : pourquoi le NFP se trompe dans une seule direction aux points de retournement

La lecture classique des révisions du NFP les considère comme du bruit — symétrique, imprévisible et s’annulant en moyenne dans le temps. La révision moyenne globale depuis 1980 est effectivement d’à peine +5 000 par mois, ce qui semble confirmer cette idée. Mais cette moyenne masque une asymétrie critique : la distribution du sens des révisions change fortement selon la phase du cycle économique.

Le mécanisme est structurel, pas aléatoire. Le Current Employment Statistics (CES) du BLS repose sur deux composantes : un échantillon d’environ 119 000 établissements et un modèle birth-death qui estime les variations d’emploi liées aux créations et fermetures d’entreprises. Pendant les récessions, le modèle birth-death surestime systématiquement les créations d’entreprises — parce que ses intrants statistiques accusent un retard de 6 à 12 mois sur l’économie réelle. Il en résulte un biais haussier prévisible dans la publication initiale lors des phases de dégradation, corrigé seulement plusieurs mois plus tard lorsque les données trimestrielles issues des déclarations d’assurance chômage deviennent disponibles. Pour une perspective plus large sur la manière dont ce mécanisme se relie aux décisions de politique monétaire, voir le jeu de données sur l’historique du taux des Fed funds — la Fed prend ses décisions de taux sur une donnée qui sera révisée.

Direction des révisions par épisode de récession

Le schéma est remarquablement constant à travers six récessions couvrant 40 ans et cinq présidents de la Fed. La révision moyenne est négative dans chaque épisode. Le cumul des révisions à la baisse varie de −160 000 (la courte récession de 1980) à −434 000 (la récession du COVID). Cette constance exclut le hasard et pointe vers une caractéristique structurelle de la méthodologie du BLS.

Les inversions de signe — mois où la publication initiale montrait des créations d’emplois mais où l’estimation finale montrait des pertes — sont particulièrement importantes car elles induisent directement les politiques en erreur. Trois de ces inversions ont eu lieu pendant les fenêtres de récession : janvier 1980 (+18K → −34K), mai 1981 (+43K → −50K) et août 2007 (−4K → +93K, inversion haussière rare). Pour contextualiser la manière dont les marchés du crédit signalaient parallèlement des tensions pendant plusieurs de ces épisodes, voir notre analyse des spreads de crédit comme indicateur avancé.

Anatomie d’une révision : la crise de 2007–2009 et l’anomalie de 2024–2025

Le modèle GFC : septembre–décembre 2008

Les quatre mois allant de septembre à décembre 2008 illustrent le mécanisme de révision à son niveau le plus important. En temps réel, le rapport sur l’emploi de septembre (publié le 3 octobre 2008 — alors que les ondes de choc de Lehman se propageaient sur les marchés mondiaux) faisait état d’une perte de 159 000 emplois. Le chiffre était mauvais, mais pas catastrophique. Il a ensuite été révisé à −403 000 — une révision à la baisse de 244 000, la deuxième plus importante de l’ensemble de données. Octobre, novembre et décembre ont suivi le même schéma, avec des révisions cumulées de −183K, −64K et −157K respectivement.

Au moment où les estimations finales ont été disponibles, le total sur quatre mois s’élevait à −2 104 000 — mais les publications initiales n’avaient montré que −1 456 000. Les données initiales avaient sous-estimé la perte d’emplois de 45 %. La Réserve fédérale, le Congrès et les marchés calibraient leur réponse à un marché du travail 648 000 emplois plus faible que ce que tout le monde pouvait voir en temps réel. Pour la chronologie complète de la manière dont l’expansion du bilan de la Fed a répondu à ces données, cet écart d’information a été décisif.

L’anomalie 2024–2025 : étude de cas en temps réel

Le cycle de révision actuel produit des résultats étrangement similaires aux schémas pré-récession. En 2025, les 11 mois pour lesquels les données finales sont disponibles ont tous été révisés à la baisse — un phénomène qui n’avait pas été observé depuis 2008. La révision moyenne de −58 000 est la moyenne annuelle la plus négative du jeu de données post-2003.

Le schéma s’étend aux benchmarks annuels. La révision de benchmark du BLS pour mars 2024 a retiré 589 000 emplois des totaux publiés précédemment — ce qui signifie que la situation de l’emploi pendant 2023–2024 était nettement plus faible que ce que les données en temps réel laissaient penser. Le benchmark préliminaire pour mars 2025, annoncé en septembre 2025, est encore plus élevé à −911 000. Ce ne sont pas des recalibrages ordinaires — la moyenne absolue sur 10 ans des révisions de benchmark est de 0,2 % de l’emploi total, soit environ 300 000 emplois. Des révisions consécutives de −589 000 et −911 000 sont historiquement atypiques. Pour comprendre comment ces révisions interagissent avec les conditions financières plus larges, voir notre jeu de données NFCI.

Révisions annuelles de benchmark : le mécanisme de correction structurelle

Le processus de révision mensuelle (estimation initiale → seconde estimation → troisième estimation) n’est qu’une partie de l’histoire. Une fois par an, le BLS aligne l’ensemble de la série CES sur le Quarterly Census of Employment and Wages (QCEW), qui s’appuie sur les dossiers administratifs du système d’assurance chômage couvrant 97 % des salariés non agricoles. Ce benchmark est la « référence or » — mais il arrive 12 à 15 mois après la période de référence.

Le benchmark préliminaire de mars 2025 à −911 000 mérite une attention particulière. Il représente la plus forte révision préliminaire à la baisse depuis que le BLS publie cette donnée dans son format actuel. Un rapport du Congressional Research Service a noté que ce chiffre reflète deux principales sources d’erreur : le biais de réponse (les établissements répondant à l’enquête CES affichaient un niveau d’emploi plus élevé que les non-répondants) et le dépassement du modèle birth-death (qui a surestimé la création d’entreprises pendant une période de fermetures accrues).

La conséquence pratique pour les utilisateurs de ce jeu de données est importante : toute analyse du marché du travail 2024–2025 utilisant les valeurs PAYEMS actuellement publiées doit être considérée comme préliminaire. Pour une analyse plus approfondie de la manière dont la masse monétaire M2 et le taux de croissance de M2 interagissent avec les tendances de l’emploi, le schéma de révision importe — le canal de transmission monétaire vers l’emploi opérait dans un environnement où les données d’emploi étaient systématiquement surestimées.

Graphique : l’écart de révision — estimation initiale vs estimation finale dans les fenêtres de récession

Écart de révision du NFP : estimation initiale vs finale pendant les fenêtres de récession

Mois situés dans les ±6 mois autour des dates de début de récession du NBER, 1980–2025. Chaque paire montre l’estimation initiale (à gauche) et la valeur finale révisée (à droite).

Idée clé

L’écart de révision n’est pas aléatoire. Dans 6 épisodes de récession sur 6, la révision cumulée sur la fenêtre ±6 mois a été négative, allant de −160K (1980) à −434K (2020). La publication initiale peignait systématiquement un tableau moins sombre du marché du travail que ce que les données finales ont fini par révéler.

Sources : U.S. Bureau of Labor Statistics (tableaux de révision CES), dates de récession du NBER. Graphique : Eco3min Research.

PNG SVG PDF Utilisation libre avec attribution · Citer ce jeu de données

Classification des régimes de révision

Pour rendre les données de révision exploitables sur le plan analytique, nous classons chaque mois dans l’un de quatre régimes de révision en fonction de l’ampleur et de la direction de la révision totale (3e estimation moins 1re estimation) :

Graphique : schéma annuel des révisions par année (2003–2025)

Schéma annuel des révisions NFP : révision moyenne par année

Révision totale moyenne (3e − 1re estimation, en milliers) par année civile. Lignes grises = années de récession. Contour doré = anomalie 2025.

Idée clé

Le schéma de révision 2025 (moyenne −58K, 100 % des mois négatifs) est presque aussi extrême que celui de 2008 (moyenne −73K, 92 % négatifs) — et pourtant 2025 n’a pas été classée comme récession par le NBER. Soit le mécanisme de révision génère une fausse alerte d’une ampleur inédite, soit les données en temps réel masquent une détérioration qui ne deviendra visible qu’a posteriori. Le record historique n’offre aucun précédent pour une année non récessive présentant ce profil de révision.

Sources : tableaux de révision BLS CES (1re vs 3e estimation, corrigées des variations saisonnières). Graphique : Eco3min Research.

PNG SVG PDF Utilisation libre avec attribution · Citer ce jeu de données

Et ensuite ? Rendements futurs du S&P 500 par bande de NFP

Pour relier les données NFP aux résultats boursiers, nous classons chaque observation mensuelle selon l’ampleur de la variation mensuelle (finale révisée) et calculons le rendement futur du S&P 500 à 6 mois et 12 mois à partir de la date de chaque observation. Les résultats remettent en cause l’intuition simple selon laquelle de mauvaises données de l’emploi entraînent forcément de mauvaises performances boursières.

La méthodologie à fenêtres chevauchantes implique que les mois adjacents partagent la majorité de leur période de rendement futur, ce qui introduit de l’autocorrélation. Les estimations ponctuelles sont fiables, mais les intervalles de confiance doivent utiliser des erreurs standards de Newey-West avec au moins 12 retards. Pour une vue plus fine de la relation entre rendements boursiers et conditions monétaires, voir le jeu de données sur les taux d’intérêt réels vs le ratio CAPE.

Les distributions passées ne prédisent pas les résultats futurs. Les statistiques conditionnelles par régime décrivent des schémas historiques, pas des rendements attendus.

Points de retournement historiques : cinq épisodes de révision déterminante

1. Janvier 1980 : le faux positif

Le rapport sur l’emploi de janvier 1980 montrait un gain de +18 000 emplois — un chiffre rassurant dans un contexte de craintes croissantes de récession. L’estimation finale : −34 000. Le NBER daterait plus tard le début de la récession en janvier 1980. Les décideurs voyaient une croissance ; l’économie était déjà en contraction. Pour une vue plus large de la manière dont le taux des Fed funds était ajusté pendant cet épisode, ce faux positif dans les payrolls a probablement contribué au retard de la réponse monétaire.

2. Septembre 2008 : la sous-estimation de la GFC

La publication initiale de septembre 2008 à −159 000 suggérait une détérioration significative mais gérable. Le chiffre final : −403 000 — une révision à la baisse de 244 000, la plus importante hors COVID dans l’ensemble de données. Ce rapport a été publié le 3 octobre 2008 — soit une semaine et demie après le dépôt de bilan de Lehman Brothers. La donnée censée guider la réponse politique sous-estimait l’ampleur des dégâts de plus de 60 %.

3. Mars 2020 : le point aveugle du COVID

La récession du COVID a produit la plus forte révision mensuelle de l’histoire : la publication initiale de mars 2020 à −701 000 a été révisée à −1 373 000. La révision de −672 000 reflète l’extrême difficulté de sonder les établissements lors d’un arrêt soudain de l’économie. Le BLS a été transparent sur les défis de mesure, mais la conséquence pratique était identique : le Congrès calibravait les aides budgétaires sur des données qui sous-estimaient la perte d’emplois de 96 %.

4. 2024–2025 : la révision silencieuse

Contrairement aux révisions spectaculaires d’un seul mois observées lors des récessions passées, le schéma 2024–2025 est graduel et cumulatif. Aucun mois n’a produit à lui seul une révision inférieure à −160K, mais la persistance est sans précédent : les 11 mois de 2025 pour lesquels les données finales sont disponibles ont tous été révisés à la baisse. Le cumul de −638K, combiné au benchmark de mars 2024 à −589K et au benchmark préliminaire de mars 2025 à −911K, suggère que la trajectoire du marché du travail entre 2023 et 2025 était matériellement plus faible que ne l’indiquaient les données en temps réel. Le PMI manufacturier ISM signalait parallèlement une contraction du secteur manufacturier, corroborant la direction des révisions.

5. Observation actuelle : mars 2026

Le rapport Employment Situation de mars 2026 a montré +178 000 emplois — un rebond après les −133 000 révisés de février (initialement annoncés à −92 000, puis révisés à la baisse de 41 000). Le secteur de la santé a ajouté 76 000 emplois à mesure que les travailleurs en grève revenaient. Compte tenu du schéma de révision 2025, la question n’est pas de savoir si mars 2026 sera révisé, mais de combien et dans quelle direction. La moyenne mobile sur 12 mois à +22 000 est la métrique clé à surveiller.

Méthodologie et conception du jeu de données

Ce jeu de données fusionne trois sources publiques dans un panel unique qui n’existe nulle part ailleurs : la série FRED PAYEMS (niveau total des nonfarm payrolls), les tableaux de révision du CES du BLS (estimations initiales, secondes et finales de variation mensuelle) et la datation des récessions du NBER. Les rendements futurs du S&P 500 sont calculés à partir des données mensuelles de clôture de Yahoo Finance.

Code de reproduction

import pandas as pd
import numpy as np

# Charger PAYEMS depuis FRED
payems = pd.read_csv('PAYEMS.csv', parse_dates=['DATE'])
payems.columns = ['date', 'payems']
payems['monthly_change'] = payems['payems'].diff()

# Données de révision BLS depuis :
# https://www.bls.gov/web/empsit/cesnaicsrev.htm
rev = pd.read_csv('bls_revisions.csv', parse_dates=['date'])
rev['revision_total'] = rev['final_estimate'] - rev['initial_release']

# Fenêtres de récession NBER
recession_starts = ['1980-01', '1981-07', '1990-07',
                    '2001-03', '2007-12', '2020-02']
for start in recession_starts:
    mask = (rev['date'] >= start - pd.DateOffset(months=6)) & \
           (rev['date'] <= start + pd.DateOffset(months=6))
    print(rev[mask]['revision_total'].mean())

Téléchargement du jeu de données et reproductibilité

Le jeu de données complet est fourni dans des formats ouverts pour l’analyse quantitative et la recherche académique. Mis à jour chaque mois après la publication de l’Employment Situation.

Licence : Creative Commons Attribution 4.0 (CC BY 4.0). Libre d’utilisation pour la recherche, le milieu académique et le journalisme avec attribution à Eco3min.

Pour les chercheurs : Le jeu de données contient toutes les variables nécessaires pour des event studies autour des publications sur l’emploi, l’analyse des cycles de révision, l’évaluation du modèle birth-death et les calculs de rendements futurs. Les données de révision couvrent 1980–2026 avec 345 observations mensuelles d’estimations initiales, secondes et finales.

Sources de données et références académiques

• Primaire
  U.S. Bureau of Labor Statistics / FRED — All Employees, Total Nonfarm (PAYEMS). Mensuel, corrigé des variations saisonnières, janvier 1939–présent.
• Primaire
  U.S. Bureau of Labor Statistics — CES Nonfarm Payroll Employment: Revisions between over-the-month estimates, 1979–présent. Premières, deuxièmes et troisièmes estimations de la variation mensuelle de l’emploi.
• Primaire
  National Bureau of Economic Research (NBER) — US Business Cycle Dating Committee. Dates officielles de début et de fin des récessions.
• Primaire
  Yahoo Finance / S&P Dow Jones Indices — Indice S&P 500 (^GSPC). Cours de clôture mensuels.
• Recherche
  Aruoba (2008) — « Data Revisions Are Not Well-Behaved, » Journal of Money, Credit and Banking. A montré que les révisions des données macroéconomiques présentent des biais systématiques et une certaine prédictibilité.
• Recherche
  Orphanides & van Norden (2005) — « The Reliability of Inflation Forecasts Based on Output Gap Estimates in Real Time, » Journal of Money, Credit and Banking. A montré que les révisions en temps réel affectent fortement l’analyse de politique économique.
• Référence
  Congressional Research Service (2025) — « Current Employment Survey Benchmark Revisions, » IF12827. Analyse de la méthodologie des révisions de benchmark CES et de son contexte historique.
• Référence
  U.S. Bureau of Labor Statistics — Méthodologie du modèle CES birth-death et FAQ. Explique le modèle statistique qui constitue la principale source du biais de révision.

Limites méthodologiques

• Les données de révision commencent en 1980. Les tableaux de révision du BLS dans leur format actuel débutent en janvier 1979 (1980 étant la première année complète utilisable pour les fenêtres de récession). Les récessions antérieures ne peuvent pas être analysées avec la même méthodologie, ce qui limite l’échantillon à six épisodes de récession.
• Les révisions de benchmark ne sont pas entièrement intégrées. La colonne revision_total capture seulement le changement entre la première et la troisième estimation (fenêtre de deux mois). Les révisions annuelles de benchmark, qui peuvent être bien plus importantes, sont intégrées dans le niveau PAYEMS mais ne sont pas suivies comme événements de révision distincts dans ce jeu de données.
• La méthodologie du modèle birth-death a changé. Le BLS a modifié le modèle birth-death du CES en 2003 (conversion NAICS) et y a apporté des ajustements progressifs depuis. Les schémas de révision pré-2003 et post-2003 ne sont pas parfaitement comparables.
• Petit échantillon de récessions. Six épisodes de récession depuis 1980 fournissent un schéma clair mais une puissance statistique limitée. Le taux de révisions à la baisse de 71 % dans les fenêtres de récession repose sur 68 observations — suffisant pour identifier un motif, mais pas pour établir des intervalles de confiance formels.
• Distorsions COVID. La récession de 2020 a introduit des valeurs extrêmes (−20 787K en avril 2020) qui faussent les statistiques résumées. Lorsque c’est pertinent, nous présentons les statistiques avec et sans la période mars–juin 2020.
• Les rendements futurs utilisent des fenêtres qui se chevauchent. Les observations mensuelles partagent 11 mois sur 12 dans le calcul du rendement futur à 12 mois, ce qui introduit de l’autocorrélation. Des erreurs standards de Newey-West avec au moins 12 retards sont recommandées pour l’inférence statistique.

Foire aux questions

Source

Jeu de données publié sous la licence Creative Commons Attribution 4.0 International (CC BY 4.0).
Réutilisation libre avec attribution.

Autres recherches Eco3min

• Jeu de données brutes des nonfarm payrolls (1939–2026)
• Jeu de données sur le taux de chômage américain (1948–2026)
• Demandes initiales d’allocations chômage — hebdomadaire (1967–2026)
• Historique du taux des Fed funds (1954–2026)
• Le crédit précède les marchés actions : les spreads HY comme indicateur avancé
• Indice de conditions financières — NFCI (1971–2026)