Intelligence Artificielle, Big Data et prédictif dans les Ressources Humaines

   1. L’I.A. peut donner des prédictions relativement fiables MAIS dans certaines conditions

Les exemples démontrant l’efficience de l’I.A. dans le domaine prédictif existent ; ainsi deux ingénieurs de Microsoft et Google ont suivi pendant plusieurs mois une équipe de 300 volontaires et recueilli 150 millions de données ; résultat : ils sauraient prédire le lieu où vous habiterez dans quelques années.

Si cet exemple était vrai dans cette expérience, ce serait pour trois raisons principales :

  • L’expérience dispose d’une quantité gigantesque de données (big data) sur leurs « cobayes » ;
  • Ces données sont factuelles et exactes ;
  • Les chercheurs ont pu mettre en évidences des corrélations

Première conclusion : pour faire de l’I.A. il faut des données de qualité et en grande quantité..

 

  2. Et en entreprise pour la gestion des talents ?

Nous nous intéressons aux ressources humaines, à la gestion des talents, leur identification, leur évaluation, leur rétention, leur progression et à la projection dans l’avenir pour leur carrière, leur évolution professionnelle.

 

     2.1. Avons-nous des données en quantité et en qualité équivalente sur nos talents ?

Est-il imaginable, comme dans l’exemple précédent, d’avoir sur nos salariés ou nos candidats des informations précises et exactes sur leurs goûts, leurs loisirs, leurs trajets, leur lieu de détente, de sport, leurs lectures, leurs courses, leurs vacances, leurs films, leurs amis, leurs familles, leur origine géographique, les magasins, restaurants, théâtres et cinémas qu’ils visitent, leurs relations, leurs appétences, leur personnalité, leurs irritants, leurs motivations ? Si la réponse est OUI alors nous pourrons utiliser l’I.A. pour proposer des parcours professionnels réellement engageants et optimum pour nos salariés mais … nous aurons certainement quelques petits problèmes de type RGPD à résoudre.
Dans la réalité, bienheureux sont ceux d’entre nous dont le SIRH est capable de retracer la carrière de l’individu ne serait-ce qu’au sein même de notre entreprise, d’identifier qui est son manager et quels sont ses subordonnés. Les données dont nous disposons sur nos collaborateurs et nos candidats sont dans la réalité très réduites.
Par ailleurs, celles dont nous disposons ne pas toujours d’une fiabilité absolue.
Ainsi par exemple, le CV de ce candidat ou son profil LinkedIn est-il fiable à 100 % ?
En effet, un CV comme un profil LinkedIn est en partie le reflet du parcours et des compétences d’une personne mais il est surtout le reflet de la manière dont il souhaite être perçu ce qui n’est pas tout à fait la même chose.
S’appuyer en conséquence sur ce type de données pour bâtir ou proposer un plan de carrière paraît délicat.


     2.2 Des données normalisées

Toujours sur le sujet des données : l’IA. a besoin de données normalisées.
Prenons un exemple : votre société a acheté une autre société il y a quelques années ; derrière le même intitulé de poste figurent dans la réalité des contenus “différents”. D’ailleurs, il n’est pas même nécessaire d’avoir racheté une société pour observer cette réalité : les données ne sont pas normalisées d’un site à l’autre, d’une usine à l’autre…
Quel algorithme, quelle I.A. va pouvoir sortir une prédiction ou une proposition pertinente à partir de données de cette nature ?

 

     2.3 En matière de mobilité et de gestion des carrière, l’I.A. se propose de prédire l’avenir à partir du passé.

Il s’agit là d’un principe, d’un a priori déterministe.
Le déterminisme est un concept philosophique selon lequel toute suite d’événements est déterminée par des causes et des lois antérieurement et justement établies.
S’agissant de la gestion des carrières ce principe nous conduirait à penser que le métier de chacun est donc déterminé à l’avance.
On sait bien que dans la réalité, les causes peuvent être diverses : état du marché de l’emploi au démarrage de sa carrière, orientation précoce, choix de vie privée (mariage, divorce…) etc..
Mais surtout, cela passe complètement à côté de la dimension personnelle, des choix des individus dictés par leurs goûts ou leurs irritants, leurs affinités, leurs moteurs de motivation.
Enfin la dimension statistique qui est à la base du raisonnement de l’I.A. conduit à minimiser la diversité des parcours et éliminera les parcours atypiques.
Elle conduit également à minimiser la diversité des individus comme dans le cas de la société AMAZON où à un certain niveau de management, l’I.A. ne proposait que des CV masculins !
L’IA. supposée être neutre et débarrassée de tout biais ou de tout préjugé n’a fait ici que systématiser et enkyster dans un algorithme les biais antérieurs.

 

     2.4 Prédire l’avenir à partir du passé nécessite un environnement stable

« 50% des métiers d’aujourd’hui auront disparu dans 5 ans ; 65% des métiers de demain n’existent pas aujourd’hui.. »
« La technologie aura tellement évolué que, l’I.A. et les robots vont également bouleverser notre vie professionnelle. »
C’est ce que nous disent souvent les mêmes personnes (cabinets de conseil, d’étude etc) qui par ailleurs nous vendent l’I.A.
C’est peut-être vrai ; c’est sans doute en partie vrai.
Mais, ce que nous savons aussi c’est que pour que pour prédire l’avenir à partir du passé, l’I.A. a besoin de situations comparables entre le présent et l’avenir.
Et donc dans notre sujet : celui de la gestion des carrières et de l’analyse prédictive, comment réaliser une prédiction suffisamment fiable sur un avenir inconnu à partir de l’analyse de carrières du passé différentes à plus de 80% de celles qui existeront dans 5 ans ?

 

     2.5 En synthèse :

Ainsi, dans un contexte des données de maigre qualité et mal normalisées, autour desquelles se concentre un nombre de variables très pauvres (âge, sexe, lieu de naissance, formation, …), combinées à un avenir lointain, nous conduit à une I.A. inefficace, voire dangereuse !

A l’inverse, les données de bonne qualité, riches de véritables corrélations, associées à un environnement stable et a un avenir à court terme peuvent donner une prédiction par l’ I.A. efficace.

Récapitulatif : utilité de l’I.A. s’agissant de la gestion des talents :

 

Auteur : Nicolas Morel

date : 17/12/2019

 

 

Contactez-nous

Objet*
Objet
Demander une démo
Echange avec l'équipe commerciale / marketing
Autre

* Champs obligatoires

Envoyer le message
Veuillez remplir tous les champs obligatoires.
L'email est invalide.