Analyses prédictives : ce que votre équipe RH doit savoir

Par l'équipe éditoriale d'Indeed

Imaginez : votre travail est de surveiller la rétention du personnel de votre entreprise. Grâce aux données de vos effectifs et à l'intelligence artificielle, vous disposez des outils qui vous aideront à savoir quelles personnes risquent de partir. Ces outils vous donnent également une longueur d'avance : par exemple, vous apprenez que vous risquez de perdre un groupe de femmes très performantes qui sont prêtes à assumer des fonctions de direction. 

Grâce aux analyses prédictives, vous pouvez prendre des mesures pour retenir ce personnel très performant. Les analyses prédictives peuvent également vous alerter si, par exemple, vous ne disposez pas d'un nombre suffisant d'employé·es possédant les compétences requises pour atteindre votre objectif principal fixé pour l'année suivante. Enfin, elles peuvent être utilisées pour promouvoir l'équité : avant de faire une offre importante à un·e candidat·e pour un poste, les analyses peuvent vous indiquer si cette offre va bouleverser votre échelle des salaires, peut-être en déséquilibrant la rémunération des employé·es issus de groupes sous-représentés de sorte qu'ils et elles se retrouvent sous-payé·es par rapport aux autres.  

« Vous vous demandez si vous êtes en train de construire un plafond de verre dans votre entreprise ? Ou alors, vous vous demandez si on voit bien le même degré de représentation à tous les niveaux de l'entreprise ? Les analyses prédictives peuvent vous permettre d'identifier ces situations », explique Trey Causey, responsable de l'éthique en matière d'IA et directeur sénior de la science des données chez Indeed. « J'aurais du mal à imaginer comment nous pourrions identifier ce phénomène sans utiliser ces outils. C'est un moyen d'aborder ces questions de manière quantitative. » 

La prolifération d'outils d'analyse générale n'est pas une nouveauté pour les équipes RH. Ces outils ont commencé à gagner du terrain lors de la deuxième moitié du siècle dernier. Aujourd'hui, la majorité des grandes entreprises s'appuient sur des analyses pour examiner les données relatives aux performances passées et prendre des décisions éclairées en matière de recrutement, de licenciement et de promotion. 

Cependant, avec l'essor du Big Data et de l'intelligence artificielle (IA), les équipes RH n'ont plus besoin de se fier à des indicateurs passés. Les analyses prédictives, associées à de nouvelles technologies innovantes alimentées par l'IA, permettent de se projeter dans l'avenir. Quel serait l'effet sur votre personnel si le mercredi devenait une journée sans réunion ? Quand devriez-vous envisager d'offrir une prime à un·e employé·e pour maintenir son engagement ? 

Bien que la plupart des premiers utilisateurs de ces nouveaux outils soient de grandes entreprises de technologie ou de services financiers, l'adoption de ces outils augmente dans tous les secteurs, selon Hallie Bregman de Bregman Group, un cabinet de conseil en ressources humaines spécialisé dans les pratiques RH basées sur les données. « Ce n'est que le début, le phénomène va s'amplifier, déclare-t-elle. D'ici cinq ans, nous en verrons beaucoup plus. Dans dix ans, tout le monde utilisera ces outils ».

Pour tirer le meilleur parti de ces outils, les équipes RH doivent s'efforcer d'être proactives, informées et responsables avec les données. Ainsi, la technologie vient en aide aux employé·es au lieu de saper leurs efforts. 

Suivez ces six bonnes pratiques pour vous assurer que votre entreprise met en œuvre les analyses prédictives de la bonne manière.

Déterminez votre objectif

« Vous n'avez pas idée du nombre de clients avec lesquels je travaille qui ne savent pas ce qu'ils cherchent à accomplir » grâce aux analyses prédictives, déclare Hallie Bregman. « Ils se contentent de dire qu'ils sont censés le faire, mais ils ne savent pas pourquoi ». 

« La grande question qu'il faut se poser, c'est : quel problème souhaitez-vous résoudre dans les trois à cinq prochaines années ? », explique-t-elle. Constituer une nouvelle équipe de produits ? Accroître la diversité ? Alimenter une croissance importante ? Si vous n'identifiez pas clairement les objectifs que vous souhaitez atteindre grâce aux analyses prédictives, vous risquez de consacrer du temps et de l'argent à des outils qui ne vous aideront pas à les atteindre. 

Échangez avec votre équipe juridique

Il est également important de consulter votre équipe juridique. Elle peut déterminer si les outils que vous utilisez partagent les données conformément aux règles de l'entreprise, ainsi qu'aux lois relatives à la protection de la vie privée et à la lutte anti-discrimination. « J’ai constaté dans trop d'entreprises que des données brutes étaient diffusées à des groupes de personnes qui n'avaient pas besoin de tous les attributs d'un rapport, ce qui commence à présenter des risques », explique Hallie Bregman. 

Tirez parti de la science

Tous les produits d'analyses prédictives ne sont pas compatibles avec les valeurs et l'éthique de votre entreprise. Il est essentiel d'évaluer le personnel sur la base des exigences professionnelles réelles et des données relatives à leur comportement et à leurs performances. Ne prenez pas de décision en vous basant sur des évaluations de la personnalité, qui prédisent leur loyauté selon le fait qu'une personne s'identifie à un chat ou à un chien, ou qu'elle vient d'une petite ville. 

« Il y a beaucoup de fournisseurs qui vendent de la pseudoscience déguisée en analyses prédictives, déclare Trey Causey. N'ayez jamais peur de demander un deuxième avis à quelqu'un qui a une expertise dans le domaine ». Si votre équipe de gestion des ressources humaines n'a pas cette capacité, recherchez des services et des consultant·es qui évaluent les outils RH sans biais.

Gardez à l'esprit que vous voulez des outils qui évaluent de vastes ensembles de données pour en dégager des tendances. Évitez d'utiliser des données granulaires, comme les performances d'un·e employé·e au cours d'un seul trimestre, notamment lorsqu'il peut y avoir des circonstances sous-jacentes dont l'outil d'analyse n'a pas connaissance. 

« C'est un peu comme le marché boursier : il ne faut pas faire du "day trade", explique Trey Causey. Il ne faut pas réagir de manière excessive à de petites variations d'indicateurs. Il faut examiner la tendance sur le long terme et s'assurer que l'on tient compte du contexte dans les décisions que l'on prend ».

Prenez des initiatives en matière de DEIA

Les analyses prédictives permettent de réaliser une évaluation basée sur les données des pratiques en matière de diversité, d'équité, d'inclusion et d'appartenance (DEIA), ce qui peut s'avérer difficile à quantifier. Avec une protection responsable de la confidentialité, vous pouvez adopter une approche basée sur les données pour aider à analyser les décisions sur les salaires et les augmentations, les opportunités de formation et les promotions. L'objectif est de s'assurer que les opportunités de rémunération et d'évolution sont alignées sur les performances et les compétences, et qu'elles ne sont pas guidées par l'instinct d'un·e professionnel·le du recrutement, qui peut être influencé·e par des biais inconscients. 

L'analyse des données relatives au personnel peut également aider les équipes RH à s'assurer que les opportunités sont proposées de manière cohérente à tous les groupes démographiques. « Si ce n'est pas le cas, que se passe-t-il ? Pouvez-vous changer ça ? », demande Hallie Bregman. 

Ce type de données peut faciliter la présentation d'arguments convaincants en faveur des valeurs DEIA, à un moment où de telles initiatives sont plus nécessaires que jamais. « Si vous pouvez utiliser les données pour démontrer qu'un événement X, Y ou Z est en train de se produire, vous aurez beaucoup plus de chances d'être acteur du changement que si vous faites un plaidoyer passionné sur la base d'un argument de principe pour dire que c'est la bonne chose à faire », déclare Trey Causey.

Vérifiez la neutralité

« N'oubliez pas que les données que nous utilisons pour former les algorithmes et les outils d'IA peuvent être biaisées », prévient Salvatore Falletta, professeur et directeur de programme pour le développement des ressources humaines à l'université de Drexel. « L'outil d'IA est alors aussi biaisé qu'un humain, voire plus, car ce biais est amplifié ». 

Si vous disposez d'outils internes, assurez-vous d'effectuer des contrôles de neutralité. Si vous vous adressez à un fournisseur extérieur, demandez-lui comment il a évalué la neutralité de ses produits. 

Trey Causey rappelle qu'il ne faut pas oublier que les données ne sont qu'un des éléments du processus de prise de décision. Si vous n'êtes pas d'accord avec les résultats de la machine, vous n'êtes pas obligé de les suivre de manière inconditionnelle. Si les analyses prédictives fixent des objectifs de recrutement trop élevés ou recommandent des délais trop courts, modifiez-les.

Ne suscitez pas la peur

Lorsqu'elles sont exploitées de manière bienveillante, les analyses prédictives permettent une optimisation, une mise en œuvre de meilleures pratiques de recrutement et une valorisation du personnel. Mais poussées trop loin et sans respect de la confidentialité, elles peuvent devenir vraiment effrayantes. Que se passe-t-il si ces outils surveillent les mises à jour des réseaux sociaux pour déterminer si un·e employé·e risque de partir ? Ou s'ils suivent les déplacements du personnel au bureau pour savoir qui parle à qui dans une journée, et dans quelle mesure ces personnes sont sociables ? Ou s'ils installent des « bossware » sur les ordinateurs des travailleurs à distance pour évaluer leur productivité ? 

Trey Causey, Salvatore Falletta et Hallie Bregman insistent tous les trois sur l'importance de la transparence avec le personnel à propos des données collectées et la raison de cette collecte. Personne ne veut avoir l'impression d'être espionné·e. 

« Pensez à cette règle d'or : comment vous sentiriez-vous si l'on vous évaluait de la sorte ? Il ne convient pas d'évaluer le personnel d'une façon que l'on refuserait pour nous-même », conclut Trey Causey.