Quelle langue parlerez-vous en 2020 ?
A chaque époque son vocabulaire. Il y a dix ans, je parlais du web2.0, du crowdsourcing et de fils RSS. Il y a 5 ans, je murmurais « Big Data ». Cette année, je parle autrement.
Plongés dans ce monde Global, Social, Mobile, Analytics, Cloud, Cognitif et Sécurité, nous parlons un nouveau jargon. Il fait partie de notre hybridation accélérée.
L’impact des technologies et des données est considérable. Les fournisseurs de solutions, les start-ups et les départements TI promettent des systèmes intelligents embarqués dans leur offre de solutions. Dans la foulée, les RH initient et accélèrent leur transformation avec les technologies et l’analytique.
Dans son étude 2016 Global Human Capital Trends 2016 sur les grandes tendances dans le monde du travail et pour la fonction RH, Deloitte l’annonce clairement. C’est le début de l’âge d’or de l’analytique et une révolution technologique dans les RH.
Pour 77% des 7000 RH et des business leaders sondés dans 130 pays, l’analytique RH (People Analytics) est évaluée comme une priorité clé (en progression depuis 2015).
Le nombre de répondants qui pensent pouvoir se doter de modèles prédictifs a doublé en un an et passe de 4 à 8%.
Pour 74% des executives de l’étude, le RH digital est aussi une priorité et sera un focus pour transformer les systèmes et les processus.
J’ai répertorié pour vous quelques mots très techno, bien de leur temps. Je les explique ici simplement. S’il y avait un Petit Robert du monde des RH, ils y feraient sûrement leur rentrée. Tout commence par le langage !
Dictionnaire RH
1- Des mots fondamentaux
Il existe plusieurs concepts et technologies qui se juxtaposent et se complètent.
> Intelligence artificielle – Artificial intelligence – AI
Toute machine qui perçoit son environnement et y répond de façon rationnelle et flexible en reproduisant les fonctions cognitives humaines : communication interactive, déduction, résolution de problèmes, apprentissage contextuel, représentation des connaissances ou encore planification des tâches. L’intelligence artificielle utilise plusieurs composantes technologiques : les algorithmes, le Machine Learning, les données de masse, la reconnaissance vocale, etc. Elle est utilisée pour prédire, automatiser (voitures, robots, logiciels, usines) ou pour personnaliser massivement (publicité). On parle de « Strong AI » quand la plupart des fonctions humaines sont reproduites et de « Weak AI » quand une seule fonction est reproduite (exemple : nommer et classifier une image).
Lire mon article détaillé sur l’IA en recrutement.
> Algorithme – Algorithm (pas nouveau mais essentiel)
Ensemble de règles explicites qui définissent une séquence d’opérations pour calculer, organiser des données ou mener un raisonnement. La qualité de l’algorithme est définit par son programmeur. Il est rare d’en connaître sa composition si le code n’est pas ouvert (Open Source).
> Données de masse – Big Data (pas nouveau mais essentiel)
Gartner donnait cette définition en 2012 : « Haut volume, haute vitesse, grande variété de capital informationnel (structurées et non-structurées) qui nécessitent de nouvelles formes de traitement pour améliorer les décisions, favoriser des découvertes et optimiser des processus » (traduction libre). On cite également la véracité des données pour parler de leur qualité et de la variabilité pour le manque de constance dans les sources et les données.
> Application Programming Interfaces – API (pas nouveau mais essentiel)
Ensemble de données, spécifications et routines documentées permettant à deux systèmes d’échanger des données en respectant des protocoles et en autorisant l’envoi ou la réception d’informations.
> Machine apprenante – Machine Learning – ML
Ensemble de méthodes qui permettent à un logiciel d’enrichir de façon autonome ou entrainé son algorithme à partir de modèles prédictifs qu’il identifie. Des modèles ou des patterns de données émergent d’un grand ensemble de signaux qu’on lui donne sans le paramétrer au préalable. Il définit des règles et des associations, des arbres décisionnels, des regroupements, des similarités, etc. L’apprentissage peut être supervisé en guidant l’analyse et en limitant le données à analyser (confirmation) ou non-supervisé en laissant la machine trouver une modèle par elle-même (exploration).
De plus en plus largement utilisé sous forme de composante dans les logiciels, le Machine Learning permet de prendre des décisions et d’obtenir des résultats prévisibles et fiables. On le retrouve dans les suggestions personnalisés sur Netflix, les publicités ciblées, les sites web adaptatifs et les sciences prédictives (météo, médecines, transports, recrutement, etc.).
> Apprentissage profond – Deep Learning – DL
Algorithmes qui s’enrichissent de variables et de commandes. Ensemble d’algorithmes qui cherchent à identifier des modèles explicatifs et des représentations sous-jacentes à partir de grandes masses et une variété de données. Ces apprentissages sont ajoutés aux algorithmes existents pour enrichir la séquence, comme chaque neurone d’un réseau apprend à partir de stimulus et d’observations pour s’ajouter au réseau.
Cette méthode permet aux algorithmes (ou machines) d’apprendre à reconnaître les éléments du language, à lire des images pour les nommer (Facebook ou Google Photos), à reconnaître des formes et des visages, à identifier des comportements prévisibles chez des clients ou des employés, à faire des recommandations sur des sites marchands, etc. Le Deep Learning est une méthode dans la famille du Machine Learning et compose l’un des ensemble de techniques des Cognitive Computers.
> Forage de données – Data Mining – DM
Est la découverte de connaissances avec l’exploitation des bases de données. Le terme couvre une large séquence de la gestion des données allant de la collecte, l’extraction, l’entreposage, l’analyse jusqu’au traitement statistique. On l’utilise pour regrouper des données en ensembles cohérents (Clusters), détecter des anomalies, identifier des fraudes.
> Réalité virtuelle – Virtual Reality – VR
Système qui reproduit de façon réaliste et dynamique un environnement physique et sensoriel (vue et ouïe principalement) pour l’usager créant une expérience unique et un niveau d’interaction élevée. Les casques de réalité virtuelle Occulus Rift immerge celui qui le porte dans un film 360 ou un jeu video avec des capteurs de mouvements. Utilisé en formation et en simulation, ces appareils préparent une nouvelle façon d’interagir avec du contenu et d’apprendre en immersion. Ils s’appuient sur des modélisations, des scénarios et génèrent de grande quantité de données.
> Réalité augmentée – Augmented Reality – AR
Vue directe ou indirecte d’un environnement réel dont certains éléments sont augmentés avec la superposition d’objets ou de textes animés ou en mouvement, 2D ou 3 D. Elle est définit par un algorithme. Il prend en compte les données géo-localisées et l’interaction homme-machine. Le meilleur exemple actuel de la réalité virtuelle est le jeu Pokemon Go.
Voici un exemple de démonstration d’intelligence artificielle en analytique RH :
https://www.youtube.com/watch?v=AOylw6MUBCA
2- Les mots des acheteurs – utilisateurs
> Software as a Service – SaaS
Modèle d’affaires proposant une souscription en ligne (et non l’achat d’une licence à installer sur un serveur ou un disque dur) pour accéder à une plateforme de services centralisés via le web, plusieurs types d’appareils et plusieurs comptes. Ses avantages sont nombreux : un prix d’accès relativement bas, une centralisation des données, une disponibilité des données dans le Cloud, une expérience unifiée et la mise à jour du logiciel ne nécessite aucune maintenance par le client, seulement de la formation aux nouvelles fonctionnalités.
> Data as a Service – DaaS
Service de traitement de données disponible sur une plateforme en ligne. La collecte, le traitement, la visualisation et l’hébergement des données sont assurés par la plateforme. Ces plateformes assure une qualité, une sécurité et une facilité de traitement de données.
> Platform as a Service – PaaS
Principe selon lequel, la vente de logiciels hébergée par le fournisseur et disponible via différents terminaux fixes et mobiles permet d’enrichir l’experience et les services aux clients. L’essentiel des logiciels sont loués et non plus achetés avec la contrepartie d’avoir un service continuellement mis à jour et se libérer de la maintenance.
> Talent Pipeline Mix Modeling
La prolifération des canaux d’attraction des talents nécessite la multiplication des efforts investis pour diffuser ou promouvoir la marque employeur et les offres d’emploi et engager la conversation. Basé sur les données passées, certains systèmes proposent de calculer quel canal ou quelle initiative rapport le plus de résultats nets en termes de volume et de qualité de candidatures par catégorie d’emploi. Cela permet de rationaliser les efforts et les coûts sur ce qui marche vraiment. Cette approche économétrique est déjà bien présente en marketing.
Les investissements dans l’intelligence artificielle sont colossaux.
Venture Funding In Artificial Intelligence in 2016
3- Les mots pour les usagers et l’expérience
> Language naturel – Natural Language Processing – NLP
Mode d’interface homme-machine permettant d’utiliser la langue parlée pour dialoguer (au lieu d’utiliser un clavier), résumer du texte, catégoriser des textes, traduire en simultané (voir option de Skype), extraire de l’information. Les entrevues de candidats peuvent ainsi être converties et analysées. Cette technologie utilise la reconnaissance du langage (Speech Recognition) et les applications Question-Réponse (Question-Answering Technology) pour humaniser la relation avec la machine. La plupart des grands services clients l’utilise pour leur centre d’appel et centrale de réservation (Hôtels, Banque, Assurances.
> Compagnons conversationnels – Chatbots
Système intégré à des messageries (Slack, Facebook, HelloJam par exemple) qui lisent, décodent votre texte, font des recherches et répondent par écrit (en totale autonomie ou autonomie partielle). Les Chatbots font la promesse d’automatiser des tâches administratives simples à semi-complexes (faire une recherche, réserver une chambre d’hôtel, etc.).
> Assistants digitaux – Virtual Digital Assistants, A.I. Agents ou Bots
Système d’intelligence artificielle qui dialogue avec l’usager ou lui écrit et qui apprend avec les questions et requêtes des utilisateurs. Siri (Appel), Cortana (Microsoft), Alexa (Amazon), Watson (IBM), Viv, sont quelques exemples bien connus dont certains sont déjà disponibles sur les smartphones.
Une démonstration du chatbot Viv :
4- Les mots des praticiens
> Analytiques des personnes – People Analytics
Utilisation des données liées aux personnes (candidats, employés) qui interagissent au sein de l’organisation ou en lien l’organisation avec les données d’entreprise dans le but de prédire le succès global (performance commerciale de l’entreprise, profil de compétences, engagement des employés, santé et bien-être, efficacité organisationnelle, etc.), prévenir des risques (attrition du personnel, maladie ou accidents au travail, fraude, manque de ressources, etc.) et offrir des services personnalisés aux cadres, employés et candidats (optimisation de l’engagement, suggestions de carrière, parcours suggéré de formation, gestion du stress, etc.). Les applications sont aussi larges que les types de données utilisés (tests psychométriques, médias sociaux, capteurs biométriques, neuroscience par exemple) et les enjeux soulevés par l’organisation dans un cadre légal autorisé (vie privée, sécurité des données). On peut aussi parlait de Workforce analytics ou de Talent Analytics selon la finalité d’usage des données.
> Analytiques prédictives – Predictive Analytics
Variété de techniques statistiques visant à élaborer des modèles prédictifs entre les données passées et les données actuelles pour anticiper les comportements de multiples variables de l’environnement, identifier les risques et des opportunités et aider à la prise de décision. Les données prédictives sont utilisées depuis longtemps dans le predictive scoring en assurance, en banque avec la prévention des fraudes, en marketing pour cibler les clients (CRM prédictif) et en RH avec la rétention d’employés. Le recrutement prédictif quant à lui n’est pas vraiment une nouveauté puisque la psychométrie cherche depuis toujours à lier une mesure personnelle à des comportements et à la performance futurs. Mais les nouvelles technologies donnent un nouvel élan pour le généraliser à moindre frais.
> Programmatique
Achat automatisés d’espaces publicitaires en ligne sur une seule plateforme en fixant des paramètres de campagnes (prix maximum aux enchères, cibles et comportements, durée, supports, formats, etc.) et en réagissant rapide et à travers tous les médias engagés. Ce format d’achat bouscule toute la chaine publicitaire et les annonceurs comme il commence à transformer l’affichage d’emploi sur les médias classiques de l’emploi et les réseaux sociaux.
> Data Visualization
Méthodes servant à rendre accessible et compréhensible les données, indicateurs, statistiques et modèles prédictifs pour différents usagers (Exécutifs, RH, managers, employés, partenaires, clients, étudiants). La visualisation des données facilite la lecture, la compréhension commune et l’émergence d’Insights. Elle est un pilier essentiel de toute stratégie Analytiques RH pour favoriser le changement par l’adoption et l’appropriation des tableaux et indicateurs. Une culture analytique pourraient se mesurer à la qualité, la pertinence et l’usage de visualisation.
> Data Scientist
Personne qui a pour responsabilité de générer des connaissances, de recherche des causalités, de construire des modèles prédictifs afin de prendre des décisions d’affaires ou scientifiques et de valoriser les données de l’entreprise ou du client. Elle participe également à la création de nouveaux services et produits dérivés des données.
> Data Analyst
Personne qui a la responsabilité de préparer les données, les lire et les interpréter, de formuler, implanter et suivre des indicateurs. Réalise des traitements statistiques et veille à la qualité des données et des conclusions qui en sont tirées.
5- Les prochains mots perturbateurs
> Robotic Process Automation – RPA
Les robots logiciels sont utilisé pour automatiser des tâches administratives et numériques répétitives. Ils interprètent les interfaces des logiciels et les besoins des usagers pour exécuter une suite d’opérations. Ils sont entraînés et non programmés selon des règles fixes. La fonction RH, très administrative et orienté vers les processus peut être une source d’optimisation, d’automatisation ou d’externalisation.
> Blockchain
Chaine de données et de programmation encryptées qui ne donne accès qu’à un autre morceau de la chaine et qui conserve toutes les données de transaction passées avec le block. Ce principe sécurise ainsi l’intégralité des données et l’intégrité du logiciel en dispersant l’information. Cette innovation radicale fut développée pour le BitCoin, une monnaie électronique (crypto monnaie). Alors que l’on ne connait toujours pas le nom de son inventeur, elle semble offrir le niveau de sécurité le plus élevé pour des transactions qu’elle pourrait révolutionner : titres de propriété, échange d’argent, votes, contenus culturels, etc.
> Informatique Cognitive – Cognitive computing
Si c’est pré-programmé, c’est analytique. Si c’est basé sur le langage naturel et sans programmation préalable, c’est du cognitif.
Le cognitif crée des connaissances en continue et apprend à partir de tous types de données pour prolonger l’expertise des utilisateurs. L’informatique cognitive exploite simultanément plusieurs formes de technologies: Machine Learning, Natural Language Processing, reconnaissance du language et vision, reconnaissance de gestes et tous signaux venant de capteurs de données, toutes interactions homme-machine, toute technologie questions et réponses.
Elle se caractérise par une qualité d’interaction, s’adapte en temps réel aux contextes, aux changement de buts et de données. Cette nouvelle génération de système s’approche des fonctions humaines et peuvent prendre vie dans un personnage virtuel, un robot ou une voiture.
> Quantum Computing
La prochaine étape déjà annoncée est le Quantum computing qui répliquera le fonctionnement du cerveau pour augmenter les capacités naturelles du système à apprendre et à se former tout en démultipliant ses capacités avec de nouvelles puces et de nouveaux réseaux.
Regardez ce débat sur l’état de l’intelligence artificielle dans le monde (en anglais). Passionnant.
6- Les mots pour les plus « techie »
> Analyse des sentiments – Sentiment Analysis (ou opinion mining)
Méthode qui utilise le Natural Language Processing, le Text Analysis et la linguistique pour identifier et extraire les données subjectives des tweets, des statuts postés sur Facebook ou sur LinkedIn, des emails ou des conversations en centre d’appel pour capter des enjeux de réputation, d’émotion et de relations. Avec la reconnaissance des émotions du visage et le ton de la voix, il est aussi possible de comprendre les émotions d’un individu (entrevue par exemple) ou d’une masse d’individus (gestion de crise au niveau des médias sociaux).
> Lac de données – Data Lake
Méthode de stockage de données facilité par un système assurant la mise en commun de différentes sources de données disparates. Hadoop, Azure Storage et Amazon S3 sont notamment utilisées pour ce stockage avant traitement. Ces entrepôts sont une option possible pour commencer à traiter de grands flux de données.
> Text-to-Speech / Speech-to-Text
Système qui convertit un texte écrit en langue parlé ou l’inverse. Utilisé dans l’application Pocket par exemple (gratuit pour écouter des articles off-line), cette technologie utilise l’intelligence artificielle pour rendre son contenu écrit disponible en version audio. Toutes les vidéos sur Facebook ou YouTube, les MOOC et les conférences retransmises en vidéo sont ainsi possiblement transcrites.
La révolution analytique, cognitive et technologique est devant nous. Elle sera là pour longtemps. Les gains et les opportunités étant très grands.
Pour d’autres termes, voir mon article : 2015, 15 mots que vous devrez connaître.
Vous avez d’autres mots à ajouter à la liste, partagez-les dans la section commentaires. Il me fera plaisir d’enrichir la liste en vous citant.
Σχόλια