Retour au blog

Choisir son alternance avec les vrais chiffres d'insertion

Carrière4 min de lecture · 26 septembre 2026

L'équipe GetPack

Avant de choisir une formation en alternance, la question la plus utile n’est pas « est-ce que ça a l’air intéressant ? » mais « qu’est-ce que deviennent réellement les personnes qui en sortent ? ». Bonne nouvelle : ce n’est pas une question d’opinion. Le ministère de l’Enseignement supérieur publie ces chiffres, formation par formation, via le dispositif InserSup, en open data. Mauvaise nouvelle : mal lus, ces chiffres peuvent raconter n’importe quoi. Voici comment les lire correctement.

Ce que mesure InserSup, concrètement

Le dispositif InserSup mesure l’insertion professionnelle des diplômés de l’enseignement supérieur à plusieurs échéances après l’obtention du diplôme : 6, 12, 18, 24 et 30 mois selon les enquêtes, avec une mise à jour semestrielle des données sur la plateforme open data du ministère. Il couvre notamment les licences générales, les licences professionnelles, les masters, les BUT, les diplômes d’ingénieur et les diplômes de commerce visant le niveau bac+5, dans les universités, écoles d’ingénieurs et écoles de commerce.

Pour chaque formation, les indicateurs typiques sont le taux d’emploi salarié, la part d’emplois stables (CDI notamment) et le salaire médian, avec la possibilité de comparer les diplômés passés par l’apprentissage à l’ensemble des diplômés de la même formation. C’est précisément ce dernier point qui intéresse le plus quand tu hésites entre une formation en apprentissage et la même formation en initial : le jeu de données permet de comparer, formation par formation, si l’alternance mène effectivement plus vite ou plus solidement à l’emploi, plutôt que de se fier à une impression générale.

Ce que veut vraiment dire « nd »

En parcourant un tableau InserSup, tu tomberas forcément sur des cases marquées « nd » à la place d’un chiffre. Ce n’est pas un oubli ni un chiffre caché : « nd » signifie « non disponible », et cette mention apparaît selon un seuil précis. Un taux est marqué « nd » quand le taux de réponse à l’enquête et le nombre de répondants sont trop faibles pour publier une donnée fiable, avec des seuils fixés respectivement en dessous de 30 % de taux de réponse et en dessous de 20 répondants. Un seuil minimal de 20 diplômés répondants par mention de formation est également appliqué du côté des données de salaire, précisément pour éviter que le taux affiché varie de façon erratique d’une année sur l’autre à cause d’un tout petit nombre de réponses, et pour respecter le secret statistique qui protège l’anonymat des répondants.

Concrètement, un « nd » n’est ni un bon ni un mauvais signe sur la formation elle-même : c’est une donnée manquante parce que trop peu de diplômés ont répondu à l’enquête, ou parce que la promotion concernée est trop petite. Ignorer cette nuance et lire un « nd » comme un zéro, ou pire, comme un signal d’alerte sur la qualité de la formation, serait une erreur de lecture assez fréquente.

Le piège des petits effectifs, même quand un chiffre est publié

Le seuil du « nd » protège contre les cas les plus extrêmes, mais un chiffre publié juste au-dessus du seuil minimal reste fragile. Une formation qui diplôme quinze personnes par an, même si le taux de réponse dépasse 30 % et permet la publication d’un chiffre, verra son taux d’emploi bouger fortement d’une année sur l’autre si seulement deux ou trois situations individuelles changent. C’est d’ailleurs pour limiter cet effet que le dispositif prévoit, quand une promotion est trop réduite pour atteindre le seuil minimal de répondants, de regrouper les données avec celles de la promotion de l’année précédente.

Le réflexe utile ici est donc de regarder non seulement le taux affiché, mais aussi l’effectif de diplômés sur lequel il est calculé : un taux de 95 % d’emploi calculé sur 200 répondants n’a pas la même solidité qu’un taux de 95 % calculé sur 22 répondants tout juste au-dessus du seuil.

Comparer, pas se fier à un seul chiffre isolé

Un chiffre d’insertion prend son sens en comparaison : la même formation dans un autre établissement, la même mention en apprentissage plutôt qu’en initial, ou le chiffre national de la discipline pour situer un établissement précis par rapport à la moyenne. Un taux d’emploi qui paraît bon en absolu peut être dans la moyenne basse de sa discipline, et inversement un taux qui semble modeste peut être solide si toute la discipline se situe à ce niveau-là. Isolé, un chiffre ne raconte pas grand-chose ; comparé à un point de référence pertinent, il devient une vraie information de choix.

À retenir

  • InserSup mesure l’emploi des diplômés à 6, 12, 18, 24 ou 30 mois selon les enquêtes, par établissement et par formation, avec une comparaison apprentis / ensemble des diplômés.
  • « nd » signifie donnée non disponible, appliqué quand le taux de réponse est sous 30 % ou le nombre de répondants sous 20 (et un seuil de 20 diplômés pour les données de salaire).
  • Un chiffre publié juste au-dessus de ces seuils reste statistiquement fragile sur une petite promotion : regarde toujours l’effectif derrière le pourcentage.
  • Les petites promotions peuvent être regroupées avec l’année précédente pour atteindre le seuil de publication.
  • Un chiffre isolé se lit mal : compare-le à un établissement, à l’apprentissage vs l’initial, ou à la moyenne nationale de la discipline.

C’est exactement ce que permet le connecteur insertion-pro : interroger ces chiffres officiels par formation et par établissement, comparer apprentissage et formation initiale, et situer une discipline par rapport aux chiffres nationaux, sans avoir à décortiquer soi-même le tableau brut.

Sources

  1. Insertion professionnelle des diplômés des établissements d'enseignement supérieur – Dispositif InserSup — data.gouv.fr · consulté le 26 septembre 2026
  2. Insertion professionnelle des diplômés — Dispositif InserSup — data.enseignementsup-recherche.gouv.fr (jeu de données fr-esr-insersup) · consulté le 26 septembre 2026
PartagerWhatsAppLinkedInXE-mail

Lire l'article suivant

Code27 septembre 2026

Apprendre à coder à l'ère de l'IA : ce qu'il faut encore savoir faire soi-même

Code27 septembre 2026

Le mini cahier des charges à écrire avant de lancer une IA de code

Mémoire27 septembre 2026

Citer ChatGPT ou Claude dans un mémoire : APA, MLA, ISO 690

Code27 septembre 2026

Claude Code pour débutants : installation, premier lancement, CLAUDE.md

Actu IA27 septembre 2026

Claude Opus 5.5 : ce qui change vraiment (et comment t'en servir pour étudier)

Analyse27 septembre 2026

Course à l'IA : pourquoi certains ont peur et d'autres pas

Code27 septembre 2026

Créer son premier serveur MCP, pas à pas

Code27 septembre 2026

Déployer son premier site gratuitement : Vercel, Netlify, Cloudflare Pages ou GitHub Pages

Décryptage27 septembre 2026

Détecteurs d'IA : Compilatio, Turnitin, GPTZero sont-ils fiables ?

Code27 septembre 2026

Écrire sa propre skill Claude : structure, SKILL.md et description qui déclenche

Carrière27 septembre 2026

Le statut national d'étudiant-entrepreneur (SNEE) et les PEPITE : ce que ça apporte vraiment

Analyse27 septembre 2026

La France dans la course à l'IA : Mistral, énergie, talents

Actu IA27 septembre 2026

French Tech et IA : les startups françaises à connaître en 2026

Code27 septembre 2026

Git sans peur : comprendre commit, branche, remote, puis les commandes qui sauvent

Décryptage27 septembre 2026

IA chinoises : DeepSeek, Qwen, Kimi… pourquoi l'Europe se méfie

Santé27 septembre 2026

IA en études de médecine : réviser PASS, LAS et EDN sans se piéger

Outils27 septembre 2026

IA gratuites pour étudiants : offres et réductions en 2026

Carrière27 septembre 2026

IA en stage ou alternance : ce qui est permis, ce qui ne l'est pas

Code27 septembre 2026

Des IDE aux ADE : coder avec des agents IA en 2026

Code27 septembre 2026

Lire une erreur sans paniquer : anatomie d'une stack trace (Python et JavaScript)

Outils27 septembre 2026

Meilleures IA pour étudiants en 2026 : le comparatif honnête

Outils27 septembre 2026

Nouveaux modèles d'IA en 2026 : lequel choisir pour étudier ?

Outils27 septembre 2026

IA françaises méconnues : Noota, Moshi, Vibe (ex-Le Chat)…

Analyse27 septembre 2026

Pourquoi l'IA coûte si cher (et les IA américaines encore plus)

Code27 septembre 2026

Bien prompter une IA de code : la méthode qui change tout

Code27 septembre 2026

Sécurité d'une app vibe-codée : 7 erreurs à corriger avant de publier

Code27 septembre 2026

Slopsquatting : quand l'IA recommande des paquets qui n'existent pas

Veille27 septembre 2026

Veille IA : l'essentiel de la semaine du 21 au 27 septembre 2026

Code27 septembre 2026

Vibe-coding : ce que c'est vraiment (et comment ne pas te planter)

Actu IA27 septembre 2026

Pourquoi Yann LeCun veut AMI : l'IA au-delà des LLM

Tutoriel26 septembre 2026

Brancher un connecteur MCP dans Claude, sans écrire une ligne de code

Orientation26 septembre 2026

Choisir sa formation avec les vraies données MonMaster et InserSup

Méthode26 septembre 2026

APA 7, ISO 690, Vancouver : comment bien citer tes sources

Décryptage26 septembre 2026

Les « codes cachés » de ChatGPT vus sur TikTok : le vrai du faux

Santé26 septembre 2026

Médecine : réviser l'EDN avec la Base de données publique des médicaments

Carrière26 septembre 2026

Gratification de stage et salaire d'apprenti en 2026 : les règles

Décryptage26 septembre 2026

IA et intégrité académique : ce que disent vraiment les universités

Tutoriel26 septembre 2026

Installer une skill dans Claude en 2 minutes

Mémoire26 septembre 2026

Mémoire : construire sa problématique et son plan avec l'IA

Méthode26 septembre 2026

Faire son rétroplanning de partiels avec l'IA, sans le rater

Méthode26 septembre 2026

Réviser avec l'IA sans tricher : rappel actif, Feynman, quiz

Rejoins GetPack

Déjà un compte ? Se connecter