Nous voyons qu’il n’est pas possible de comprendre la composition de la liste de critères suspects uniquement à partir de « choix‐circonstances », même si la distinction reste à certains égards éclairante. Et nous voyons aussi que l’idée de leximin et la prise en compte de l’efficience qu’elle implique peut être pertinente à la fois lorsqu’il s’agit de discuter du choix de la branche du droit appropriée (droit fiscal ou droit du travail) et lorsqu’il s’agit de déterminer l’extension à donner à une notion comme celle d’ « exigence professionnelle

Certains stéréotypes relatifs à des groupes déterminés sont injustifiés en ce qu’ils ne correspondent pas à la réalité. D’autres sont justifiés mais sont aussi problématiques parce qu’ils sont eux mêmes la cause de ce caractère justifié, ils génèrent des prophéties auto réalisatrices. Il faut donc agir en insistant sur le fait que même s’ils sont justifiés aujourd’hui, ils n’impliquent aucune fatalité. Il existe aussi des stéréotypes qui sont justifiés dans les faits et ne constituent pas des prophéties auto réalisatrices, cela pose la question de la discrimination statique.

On se trouve face à ce type de discrimination lorsqu’une personne (un employeur) a recours à un critère suspect, non pas par mépris ou haine pour le groupe concerné, mais parce qu’elle estime que ce critère est très bien corrélé avec une variable qui est directement pertinente pour l’emploi en question.

Par exemple la police espagnole pourra penser qu’un basque a plus de chances statistiquement d’être un poseur de bombes qu’un andalou. En présence d’une variable très difficilement observable, une corrélation même faible avec un critère plus observable peut dans certains cas être un critère pertinent.

Exemple : exiger d’avoir un diplôme de type x afin de pouvoir postuler à un emploi est une forme claire de discrimination statistique. On supposera qu’en général le titulaire d’un diplôme x est plus apte, l’employeur utilisera cela comme prédicteur de la productivité future du travailleur concerné.

Distributing prohibited | Downloaded by: Jessie De Loor | E-mail address: Cette adresse e-mail est protégée contre les robots spammeurs. Vous devez selectedr le JavaScript pour la visualiser. 37

Cette discrimination n’est pas seulement fréquente elle est aussi inévitable, car on ne voit pas le réel comme tel dans son individualité lorsqu’on observe pour prédire une productivité future, on voit le réel à travers des catégories, auxquelles on associe des caractéristiques, on peut multiplier les catégories sous lesquelles on analyse la situation des personnes mais cela n’équivaudra jamais à une évaluation individualisée au sens strict.

En quoi cette discrimination est elle injuste ? Une première hypothèse consisterait à considérer que ce qui l’a rend injuste c’est qu’elle n’évalue pas les individus indépendamment de leur appartenance à des groupes. Mais en réalité, l’idée selon laquelle il faut juger les personnes individuellement est irréaliste mais peut être injuste.

Il est à la fois inévitable jusqu’à un certain point, efficace bien souvent et juste dans certains cas, de traiter les individus en tant que membres de catégories auxquelles ils appartiennent, plutôt qu’en tant qu’individus, ce qu’il faut déterminer c’est s’il existe des facteurs particuliers qui font qu’une discrimination statistique nous semble plus injuste qu’une autre. Par exemple, qu’est ce qui noud gène plus dans l’usage de caractéristiques raciales plutôt que d’une caractéristique de diplôme ? Le fait que certaines corrélations à l’appartenance ethniques sont erronées mais surtout c’est parce que l’origine est indépendante du contrôle de l’individu alors que le fait de détenir un diplôme l’est moins. Ce qui est choquant dans ce type de discrimination ce n’est pas d’utiliser des statistiques mais c’est plutôt la nature des critères utilisés dans ces statistiques.

Il se peut que même un égalitariste des circonstances soit préoccupé par une trop grande dureté de sa théorie, si un agent subit une discrimination dans un domaine de son existence sur base d’une variable choisie, il n’est pas évident que la répétition d’une telle discrimination dans un ensemble d’autres dimensions ne soit jugée trop radicale dans ses effets, même si l’on accepte la distinction choix – circonstances.

Notons enfin que l’on peut concevoir la discrimination indirecte – entendue cette fois au sens étroit ‐ comme l’inverse de la discrimination statistique. Dans le premier cas, on utilise un critère situé hors de l’ensemble S (« suspect ») en visant indirectement l’exclusion d’une catégorie sur base d’un critère de S. Dans le cas de la discrimination statistique, la discrimination est explicite. On utilise donc un critère faisant partie de l’ensemble S. Mais ce qu’on vise en réalité, c’est une autre caractéristique située hors de l’ensemble S. La discrimination statistique partage donc avec la discrimination directe le fait d’user explicitement d’un critère suspect. Elle en diffère car l’objectif visé est d’approximer l’usage d’un critère non suspect. La discrimination statistique partage avec la discrimination indirecte le fait d’user d’un critère tout en en visant un autre avec lequel il est bien corrélé, mais en diffère car l’objectif de la discrimination indirecte est bien de discriminer sur base d’un critère suspect alors que dans le cas de la discrimination statistique, le recours au critère suspect n’est qu’un moyen pour approximer un autre critère. Exemple : l’employeur qui pense que ceux qui ont fait leur service militaire ont un type d’expérience très spécifique qu’il recherche pour le type d’emploi qui est le sien, ce qui est très différent de l’employeur misogyne qui recourt au critère du service militaire simplement pour exclure les candidates féminines.