Les données d’Uber Freight montrent que les chauffeurs reviennent, mais que le marché reste tendu.

L’industrie du transport routier a été fortement déprimée par l’apparition de COVID-19, les pénuries de chauffeurs et les goulets d’étranglement de la chaîne d’approvisionnement ayant créé une volatilité non saisonnière sur les marchés du fret. Les volumes d’expédition ont rapidement retrouvé leur niveau d’avant la crise en moins de quatre mois, mais l’emploi dans le secteur du camionnage n’a toujours pas retrouvé son niveau d’avant la crise (voir figure 1).

Alors que les mesures de relance économique et l’augmentation des dépenses de consommation (plus précisément, des dépenses relativement plus importantes pour les biens que pour les services) ont entraîné une hausse de la demande, l’offre a été limitée par la pénurie de conducteurs. Le faible nombre d’emplois a entraîné une augmentation persistante des coûts de fret, éclipsant une hausse de 75 % en glissement annuel du taux moyen par kilomètre des fourgons secs en mai 2021. Toutefois, des données récentes (également illustrées par la figure 1) indiquent une croissance accélérée de l’emploi, tant dans l’emploi total du transport par camion que dans l’emploi du transport par camion à longue distance.

En juin et juillet, 25 États ont décidé de réduire ou d’abandonner leurs programmes fédéraux d’assurance-chômage (AC) (voir figure 2). Nombre de ces États prévoyaient que la fin de l’assurance-chômage entraînerait le retour d’un plus grand nombre de travailleurs sur le marché du travail. Mais certaines études (vues sur CNBC et dans The Economist ) ont fait valoir que la fin précoce de l’assurance-chômage n’a pas donné les résultats escomptés.

Nous voulions comprendre comment la fin des programmes de l’assurance-chômage affecterait le marché du fret – plus précisément, comment cela se traduirait sur les taux au comptant. En utilisant les données d’Uber Freight, nous avons comparé les États qui ont mis fin à leur programme d’assurance-chômage avec ceux qui ne l’ont pas fait. En particulier, nous avons examiné la moyenne générale des taux spot des fourgons secs pour les chargements commençant dans l’un ou l’autre groupe, comme le montre la figure 3. Notre équipe de recherche a tiré deux conclusions clés de cette analyse :

• Les taux ponctuels dans les États qui ont mis fin à l’assurance-chômage sont plus bas après la fin de l’assurance-chômage pour toutes les longueurs de trajet considérées (cette segmentation permet de s’assurer que les différences observées ne sont pas obscurcies par un quelconque changement dans la longueur des trajets).
  • Ces effets n’ont pas été directement observés après la fin des programmes d’assurance-chômage, en raison du temps nécessaire pour inscrire les employés sur les listes de paie. Les données d’Uber Freight montrent également une croissance légèrement plus élevée des nouveaux transporteurs dans les États qui ont mis fin à leur programme d’assurance-chômage.
• Même pour les transports courts et locaux, la suppression de l’assurance-chômage n’a pas fait baisser les taux en termes absolus ; elle n’a fait que ralentir leur croissance par rapport aux États qui n’ont pas supprimé l’assurance-chômage.
  • La main d’œuvre des conducteurs n’est pas la seule variable qui affecte les tarifs. Les niveaux de la demande sont encore élevés en raison des niveaux historiquement bas des stocks par rapport aux ventes et d’une reprise rapide de l’industrie manufacturière, tandis que l’offre de capital reste limitée par la pénurie mondiale de semi-conducteurs.

L’équipe de recherche économique d’Uber Freight continue de surveiller ces facteurs et d’autres facteurs clés de l’offre et de la demande de transport par camion. Nous continuons également à étudier les dynamiques uniques du monde post-COVID pour aider les expéditeurs et les transporteurs à rester informés.

Mazen Danaf dirige la recherche économique chez Uber Freight. Il a 10 ans d’expérience pratique et académique dans le domaine des transports, avec un accent sur la modélisation économétrique et l’inférence causale.