Analytique RH et IA - Blog FutursTalents - Avril 2017
Analytique RH et IA - Blog FutursTalents - Avril 2017

L’analytique RH promet d’exploiter les données pour résoudre les nombreux problèmes de gestion de la main d’oeuvre. On pense au recrutement prédictive, à la gestion préventive des départs, à la réduction des comportements à risque au travail. Sauf que l’adoption de l’analytique RH est plus lente que dans d’autres départements qui ont déjà largement démontré ses bénéfices. L’arrivée fulgurante de l’intelligence artificielle (IA) va transformer radicalement l’analytique RH.

1- Abaisser les freins à l’analytique RH

Il y a au moins cinq goulots d’étranglements à l’adoption de l’analytique RH:

  • Un manque de compétences analytiques. La rareté des compétences analytiques en RH conduit à une sous-évaluation de la valeur de l’analytique. Ce manque de compétences renforce la perception de complexité du sujet. Il est aussi difficile de recruter un Data Scientist pour les RH, moins attractif que le marketing ou la finance. Il n’y a pas eu assez de formations initiales en statistiques et en analytique pour les leaders RH actuels. Cela restreint leurs initiatives dans ce domaine même si les consultants et les éditeurs de software ont une offre croissante.
  • La lenteur et la complexité des traitements statistiques. Il est vrai que les traitements statistiques sont techniques, longs, fastidieux et hasardeux (hypothèses initiales pas toujours validées, manque de données de qualité). Avant d’obtenir une analyse valide qui influence une décision rationnelle, il peut s’écouler plusieurs semaines ou plusieurs mois. Il faut extraire et nettoyer les données. Puis les analyser et les interpréter. Enfin, vient l’étape de présenter des résultats et de mûrir une décision.
  • Des silos de données. Le manque d’investissement dans des technologies intégrées créent des silos. Paradoxalement, la multiplication des acteurs technologiques RH fractionne les données de la fonction RH au lieu de les intégrer. La transformation numérique devrait toujours suivre le courant du fleuve de données. Le fractionnement digital ralentit l’accès, l’exploitation et le traitement des données RH et d’affaires (opérations, finances, marketing, etc.). Encore trop souvent, les plateformes RH proposent de simples tableaux de bord qui ne sont que des outils de reporting pré-configurés (mais c’est un début !).
  • Les résistances face à la transparence. Avec les silos de données viennent aussi les silos décisionnels. Se mesurer est menaçant. Les managers et certains employés peuvent redouter les mesures et la mise en lumière de leurs activités. Le coût social et politique de la transparence va au delà de la valeur ajoutée de l’analytique. Certains brandissent les enjeux de la vie privée pour freiner l’analytique alors que l’anonymisation des données est facile à garantir. C’est un principe de base de la gouvernance des données.
  • Un manque de vision. Le retard décisionnel des cadres exécutifs quand à l’impact des données RH dans les résultats d’entreprise distinguent les entreprises très performantes de celles qui le sont moins. Il faut encore expliquer le lien entre les employés et la satisfaction client, la réussite commerciale ou même l’innovation ! Pourtant, et c’est un fait incroyablement percutant, pour 70% de l’économie des pays occidentaux, les entreprises de services comptent un coût de main d’oeuvre compris entre 45 et 55% de leur coûts de revient ! Le facteur humain est une variable à mesurer sans attendre.

Il y a d’autres facteurs:

  • Le « Gut Feeling ». Les RH se heurtent à l’instinct. L’intuition sert à justifier au moins 80% des décisions en entreprise.
  • Les RH ont beaucoup de dossiers chauds et peu de budget. Elles ressentent beaucoup de pressions: Devenir un partenaire stratégique, faire avec des budgets réduits, transformer les opérations pour être plus efficace, et finalement, jouer un rôle conseil accru.

Si l’analytique RH semble toujours aussi lourde à mettre en oeuvre, elle est une solution pour résoudre autrement plusieurs inconnues de l’équation. Les talents se font plus rares et l’adoption de nouveaux comportements organisationnels augmentent certaines attentes quand à l’analytique (self-service, expérience employé). L’environnement technologique en bouleversement profond que rapide (cloud, social, mobile, analytique) encourage son adoption.

L'IA est la calculatrice de 1950 - Blog FutursTalents
L’IA est la calculatrice de 1950 – Blog FutursTalents

2- L’analytique RH sans limite avec l’IA

  • Assistée de l’intelligence artificielle (IA), l’analytique RH devient cognitive

Le « Reporting« , le « Business Intelligence« , puis l’Advanced Analytique (prédictif et prescriptif) connaissent une accélération avec l’IA.

  • Elle automatise (ou robotise) le traitement de grands volumes de données.
  • Elle rend les outils analytiques semi-autonomes et intelligents pour économiser du temps.
  • Elle présentent une visualisation pertinentes des données, les corrélations les plus significatives et suggèrent des traitements statistiques adéquats.
  • Elle réduit les erreurs et trouve des corrélations pertinentes, en toute objectivité, sans biais, sans compromis.
  • Vos données de masse nourrissent l’IA

Avec l’arrivée de l’intelligence artificielle (Machine Learning), les grandes masses de données ne restent plus inexploitées. Vos campagnes de recrutement peuvent en dire long sur la qualité des candidats recrutés. Certains traits de personnalité peuvent influencer le niveau de satisfaction des clients et les ventes. Certains comportements de leaders peuvent augmenter la rétention d’employés et la rentabilité de l’entreprise.

 

Analytique RH
Analytique Cognitive RH_Acceleration – Jean-Baptiste Audrerie

L’introduction de cette technologie nous permet d’observer des changements de paradigmes dans la pratique de l’analytique RH qui vont participer à bien plus que sa démocratisation.

3- De nouveaux paradigmes en analytique RH

L’arrivée de l’intelligence artificielle dans les systémes de traitement statistique est l’équivalent de l’arrivée de la calculatrice dans les salles de classes. On s’en étonne. Elle fait gagner du temps. Les professeurs craignent que les élèves ne sachent plus compter. Mais elle est l’étape naturelle pour traiter plus vite les masses de données et accélérer l’analytique.

L’analytique cognitive va bouleverser la façon dont on fait de l’analytique en RH, la structure et les équipes RH et le rôle stratégique RH. En permettant en une fraction de seconde de faire émerger des corrélations entre le facteur humain et les données d’entreprises (ventes, rentabilité, expérience, trafic, incidents, etc.).

  • Simplification par la machine des traitements statistiques les plus fréquents.

A partir d’un vaste lot de données structurées (Lignes et Colonnes), la machine applique les bons calculs: Ki Carré ou Ki2, Analyse en composante principale, catégorisation (Cluster), arbre décisionnel, etc. et vous les proposent quand ils sont significatifs.

En séparant le bruit du signal, l’analytique cognitive permet aux organisations d’aller chercher des optimisations de processus (recrutement, formation, planification de main d’oeuvre, identification des compétences, corrélation avec les variables stratégiques de l’entreprise) et innover en identifiant et en encourageant des facteurs tacites et cachés de réussite.

  • Accélération des projets analytiques.

On estime de 70% à 80% le temps gagné avec l’analytique cognitive dans un projet de modélisation prédictive. Une fois les données importées dans la machine, l’IA répond immédiatement. L’analyste et son client peuvent rapidement entamer une réflexion au lieu de passer 5 à 15 jours sur des manipulations et des traitements statistiques. Comme pour la calculatrice, on passe plus de temps à l’analyse du problème et formuler la bonne solution que sur le calcul en lieu même.

La quantification de l’humain est rendu plus facile, presque intégrée aux opérations et décisions. L’analytique n’est plus une affaire lourde et coûteuse.

  • Modélisation plus agile.

Au delà de la vitesse d’exécution d’analyse statistique pour trouver plus vite des Insights et des corrélations, il est possible d’adopter une stratégie de modélisation agile basée sur la méthode A/B Testing (implanter un changement et mesurer son effet sur un échantillon) et l’itération rapide des modèles. Une fois un modèle développé avec la méthode traditionnelle, on cherche à le rentabiliser et l’effort pour le valider et l’affiner est conséquent. Avec l’analytique cognitive, il est souhaitable d’important des lots de données plus récents et de voir si les corrélations évoluent pour une variable donnée.

  • Modèle spécifique à l’organisation.

Pour l’instant, les vendeurs de tests psychométriques et de solutions RH proposent leur modèle prédictif, souvent basé sur quelques centaines ou milliers de participants. L’échantillon est grand s’il est générique. Il est petit s’il est spécifique.

Dans des entreprises de taille moyenne et grande (plus de 1000 employés), la taille de l’échantillon et la récurrence de certains processus donne naissance à des modèles statistiques cousus mains. Ils peuvent capter des facteurs et des variables critiques, propre au modèle d’affaires. L’ADN de l’entreprise peut être décodé sans passer par une modèle général restant à transposer. Certains systémes proposent des modèles prédictifs validés dans d’autres entreprises et qui roulent un algorithme de calcul. Bien que plus utile que rien du tout, cette approche a toutefois une certaine limite conceptuelle.

Plus que jamais, l’arrivée des objets connectés va renforcer l’afflux de données utiles en lien avec les opérations, les clients et les employés. Ces données, avec les outils de mesure RH va nourrir l’analytique cognitive RH (évaluations de la personne et des compétences, évaluation de la performance, mesure de l’engagement, mesure en continue de l’apprentissage, etc.). Il sera alors possible d’aller jusqu’à un certain niveau de finesse laissant présager de nouvelles avenues en gestion des talents et services aux employés.

Jean-Baptiste Audrerie est psychologue organisationnel, Executive Advisor pour IBM Collaboration & Talent Management au Canada et auteur de ce blogue. Il s’intéresse à la transformation digitale et cognitive des RH sous toutes ses formes et plus particulièrement en acquisition et développement des talents et en RH Analytics.

PAS DE COMMENTAIRES

Laisser un commentaire