Méthodologie

Comment OfferUnlock estime la valeur de marché d'une offre — et les limites que nous assumons. Cette page est volontairement transparente : si un chiffre vous paraît décalé, nous voulons le savoir.


En une phrase

OfferUnlock calcule une estimation de marché à partir de votre salaire de base, votre rôle, votre localisation et votre expérience, puis situe votre offre dans une fourchette autour de cette estimation. Le calcul se fait dans votre navigateur — vos chiffres ne sont transmis à personne.


Honnêteté préalable

Nos estimations sont calibrées à partir de sources publiques, ce ne sont pas des données primaires propriétaires.

Nous n'avons pas accès aux jeux de données internes de Levels.fyi, Glassdoor ou Payscale. Ce que vous obtenez repose sur :

  • une base salariale de référence ancrée sur la médiane d'un profil tech intermédiaire (3 à 5 ans d'expérience) aux États-Unis, toutes industries confondues ;
  • des ajustements selon la localisation, le rôle et l'expérience, calibrés en croisant des sources publiques (BLS, Statistique Canada) et des observations de marché (Levels.fyi, Glassdoor).

Ce que nous ne prétendons pas faire :

  • Donner une valeur précise à 5 % près. Notre fourchette de ±12 % autour du marché reflète assumément le bruit des sources publiques.
  • Couvrir tous les cas. Le produit cible les offres tech salariées en Amérique du Nord. Les marchés européens et asiatiques, les rôles très spécialisés ou les packages exotiques (stock options pré-IPO complexes) sont hors de notre périmètre actuel.
  • Offrir des chiffres à jour à la semaine. Les benchmarks publics eux-mêmes ne le sont pas.

Si un chiffre vous paraît décalé de votre expérience, écrivez à privacy@offerunlock.app. Les contre-exemples documentés nous aident à améliorer la calibration.


Sources consultées

Sources officielles

SourceCe qu'elle apporte
U.S. Bureau of Labor Statistics — Occupational Employment & Wage StatisticsMédianes salariales par métier, mises à jour annuelles. C'est l'ancrage de notre base de référence.
Statistique Canada — Enquête sur la population activeÉquivalent canadien pour les estimations Canada.
Levels.fyi (vues publiques)Médianes par niveau et par entreprise dans la tech. Lecture directe des pages publiques.
Glassdoor (vues publiques)Médianes par titre et par ville. Biais à la hausse documenté (les contributeurs sont sur-représentés dans les grandes entreprises).

Sources de recoupement

Nous croisons ces données avec des rapports sectoriels annuels (Hired State of Salaries, Stack Overflow Developer Survey, baromètres Robert Half / Hays Tech) pour vérifier la cohérence des écarts par fonction et par expérience.

Limites que nous assumons

  • Biais de sélection. Levels.fyi et Glassdoor sont alimentés par des personnes qui choisissent de partager — souvent les mieux payées. Les bas de fourchette y sont sous-représentés. Notre base de référence est donc volontairement plus basse que leur médiane affichée, pour compenser.
  • Décalage temporel. Le marché tech a connu des compressions sévères sur 2024-2026. Des médianes publiées en 2024 sur des données de 2022-2023 sont déjà partiellement caduques. Nous recalibrons au moins une fois par an.
  • Granularité géographique. Nous regroupons certaines villes (San Francisco et New York dans le même niveau, par exemple), alors qu'il existe un écart réel entre elles. Un compromis assumé au stade actuel.

Comment l'estimation est construite

L'estimation part d'une base de référence d'environ 85 000 USD — le salaire de base d'un profil tech intermédiaire généraliste aux États-Unis. Cette base est ensuite ajustée par trois facteurs.

L'ajustement géographique

LocalisationEffet sur l'estimationPourquoi
Zone à très haut coût (SF, NYC)+30 %Écart documenté de 25 à 35 % vs la médiane continentale.
Poste US en télétravail+25 %Ces postes ciblent des candidats dont l'attente salariale est ancrée sur les grandes métropoles, pas sur une moyenne nationale.
Zone à coût élevé (Austin, Seattle)+10 %10 à 15 % au-dessus de la médiane US selon les villes.
Canada, Europe, autresréférenceBaseline nationale de référence.

Une limite importante : l'estimation est exprimée en USD, y compris pour les cas canadiens ou européens. Si vous saisissez un salaire dans une autre devise, le résultat sera faussé. Nous prévoyons de gérer la devise par région dans une version future.

L'ajustement par rôle

L'ingénierie logicielle et le product management bénéficient d'un ajustement à la hausse (respectivement +15 % et +10 %), cohérent avec les médianes publiques. Les autres rôles utilisent la base de référence sans ajustement spécifique pour le moment — une calibration plus fine par métier fait partie de nos améliorations prévues.

L'ajustement par expérience

L'expérience augmente l'estimation de façon non-linéaire : environ +5 % par an sur les 15 premières années, puis l'effet se réduit fortement au-delà.

ExpérienceEffet cumulé
Débutantréférence
5 ans+25 %
10 ans+50 %
15 ans+75 %
20 ans+82 %
30 ans+98 %

Pourquoi cette saturation ? Parce que la rémunération des profils très expérimentés (Staff, Principal, Distinguished) tient rarement à un effet mécanique de l'ancienneté. Elle dépend de leviers individuels — equity, rétention, poste-clé — que notre estimation générale ne cherche pas à modéliser. Une progression linéaire produirait un profil de 30 ans valorisé à près de 3 fois un débutant, ce qui ne se vérifie pas sur le marché.

La fourchette de ±12 %

Une fois l'estimation calculée, nous la situons dans une fourchette de ±12 %. En dessous, votre offre est considérée comme sous le marché ; au-dessus, au-dessus du marché ; entre les deux, dans la fourchette.

Cette largeur absorbe le bruit normal entre sources publiques (l'écart médian entre Levels.fyi et Glassdoor pour un même rôle et une même ville est de 5 à 10 %). Une fourchette plus étroite produirait de faux signaux « sous le marché » pour des candidats qui sont en réalité bien positionnés.


Quand nous recalibrons

DéclencheurAction
Chaque année (mai/juin)Révision de la base de référence et des ajustements géographiques. Le marché tech bouge significativement d'une année sur l'autre.
Signal récurrent des utilisateursSi plusieurs personnes contestent le même cas, c'est le signe que notre calibration a dérivé sur ce segment.
Avant une période de forte affluenceVérification de cohérence vis-à-vis de plusieurs benchmarks publics.

Contact

Pour challenger un chiffre ou nous aider à affiner la calibration, écrivez à privacy@offerunlock.app. Toute correction documentée et sourcée sera créditée si elle est publiée.