Revenir au site

Tirez Partie des Algorithmes pour Renforcer Votre Stratégie Talents !

De plus en plus, les “People Analytics” deviennent aussi importants que les compétences dans la prise de décisions concernant les ressources humaines des entreprises.

28 septembre 2020

Abby Ludens, vice-présidente de la gestion des talents à Mattress Firm à Houston, a été confrontée au défi d'embaucher et de promouvoir suffisamment d'employés compétents pour suivre le rythme explosif de la croissance de l'entreprise. En six ans environ, le personnel a atteint près de 7 000 salariés, contre moins de 1 000 à l’origine.

À New York, William Wolf, responsable mondial du développement des talents pour Credit Suisse, a cherché de nouvelles approches pour identifier les employés les plus performants en risques de partir afin de limiter leur envol dans un milieu financier très compétitif.

Et dans les bureaux de Cigna à Hartford, dans le Connecticut, la responsable de l'apprentissage Karen Kocher voulait comprendre ce qui différenciait les modèles de performances de l'organisation d'assurance mondiale de ses employés les moins bien notés.

Pour relever ces défis, Ludens, Wolf et Kocher se sont tous tournés vers le “People Analytic” - où l’analyse statistique de leurs effectifs, ndlr.

Les dirigeants des ressources humaines utilisent de plus en plus cette science émergente pour les guider dans la prise de décisions en matière de main-d'œuvre. En exploitant la puissance des systèmes algorithmiques, ils peuvent mieux identifier les recrues les plus susceptibles de réussir, choisir les travailleurs les plus performants à développer et à promouvoir, et fidéliser des leaders talentueux qui stimulent souvent l'innovation et créent de la valeur.

La croissance des RH axées sur “l'Analytics” a été spectaculaire. Début 2015, seulement 24% des entreprises se sentaient prêtes ou quelque peu prêtes. En 2019, 74% définissent l’usage de la technologie comme “important” voire “très important” et 29% disent l’utiliser effectivement, selon le rapport Global Human Capital Trends 2019 du cabinet de conseil Deloitte. Cependant, seuls 6% estiment leur technologie utilisée sur le sujet comme “excellente”.

Les données sont ainsi de plus en plus au centre des enjeux RH, au fur et à mesure que les directions générales demandent toujours plus de KPIs pas toujours évidents à établir dans la gestion des Talents sans l’intervention de la technologie - et en particulier de l’intelligence artificielle. Nous avions en particulier évoqué les possibilités offertes par les données pour les DRH lors d’un webinar en avril 2020 aux côtés de Ludovic Millequant, ancien responsable groupe de l’acquisition des talents à Gefco.

Données et jugement rigoureux

Les algorithmes peuvent-ils produire de meilleurs résultats d'embauche que les gens ? Pour répondre à cette question, des chercheurs de l'University of Minnesota and Princeton, NJ, Educational Testing Service, ont analysé 17 études d'évaluation des candidats. Les algorithmes ont surpassé les décisions humaines d'au moins 25%. Les chercheurs ont soutenu que leurs résultats se vérifiaient "dans toutes les situations avec un grand nombre de candidats", quel que soit le niveau du poste.

Les responsables des recrutements "sont facilement distraits par certains points qui ne sont peut-être que marginalement pertinents et ils utilisent les informations de manière incohérente", ont écrit les chercheurs Nathan Kuncel, Deniz Ones et David Klieger dans la Harvard Business Review de mai 2014 . « Ils peuvent être déroutés par des bits de données sans conséquence tels que les compliments ou les remarques des candidats sur des sujets arbitraires. »

Pour les meilleurs résultats, les auteurs recommandent que les organisations utilisent d'abord des algorithmes basés sur un grand nombre de données pour restreindre le champ des candidats, puis exploiter le jugement humain pour choisir parmi quelques finalistes. Mieux encore, plusieurs gestionnaires doivent peser sur la décision finale.

Cette approche est similaire à celle adoptée par Ludens chez Mattress Firm, qui a adopté un logiciel du marché pour aider son équipe à évaluer les évaluations en ligne des candidats sur la base de données mesurables issues de 39 caractéristiques comportementales, cognitives et culturelles. Les caractéristiques des demandeurs d'emploi ont été évaluées par rapport aux profils des plus performants de Mattress Firm, un gestionnaire de référence l’a utilisé pour prédire le succès dans certains rôles.

« Nous avons promu de nouveaux responsables de recrutement et embauché de nouveaux salariés, le système était simple et intuitif. Nous n'avons pas eu à intégrer de système », explique Ludens, ajoutant que les CVs et les notes d'évaluation des candidats étaient faciles d'accès et de visualisation.

L'équipe de Ludens a récemment examiné deux ans de données d'embauche et de vente. Les vendeurs que le système avait recommandés étaient 80% moins susceptibles de partir et ont vendu 11% de produits en plus comparé à d'autres qui ont été embauchés mais non recommandés, selon Ludens.

« Lorsque vous embauchez, il est tentant de ne pas vouloir écouter les données », dit-elle. « Il peut être facile pour un responsable de recrutement de vouloir embaucher quelqu'un qui marche comme lui, parle comme lui ou pense comme lui.» Mais parce que Mattress Firm embauchait beaucoup de travailleurs sur une période relativement courte, "dit Ludens," il était important d'avoir la science à nos côtés. Nous ne voulions pas mettre notre marque employeur en danger, et nous voulions embaucher des personnes qui étaient en adéquation avec l’entreprise."

Bien sûr, il y a aussi un élément humain dans le bon recrutement. "Nous discutons toujours avec les candidats. Ce que nous voulons faire, c'est utiliser les données et les informations pour prendre de meilleures décisions d'embauche", explique Ludens. "Nous ne réussirons pas tout le temps. C'est pourquoi il est important de continuer à utiliser notre cœur et notre communauté pour prendre certaines de ces décisions."

L’intérêt de ces algorithmes semble donc de détecter des profils plus performants et plus fidèles, sans les à priori traditionnels associés à un bon diplôme ou une expérience prestigieuse qui ne présage pas de leur performance dans votre entreprise. Cependant, il reste important de bien faire attention aux biais possibles de ces algorithmes, notamment sur le sujet de la diversité, afin que l’algorithme utilisé ne finisse pas par recommander des profils trop uniformisés, ce qui serait pour le coup contre productif.

Diversité et qualité des embauches

Google est un pionnier dans l'utilisation du “People Analytics” pour la gestion de ses effectifs. Il y a environ huit ans, Laszlo Bock, vice-président “people operations” chez le géant de la technologie, a réuni une équipe de docteurs, de technologues et de consultants pour mettre en place des algorithmes qui identifieraient les candidats les plus susceptibles de réussir. L'équipe a également produit un algorithme qui a examiné les demandes rejetées, ce qui a aidé l'entreprise à embaucher des ingénieurs que son processus de présélection aurait manqués.

Google continue d'affiner ses algorithmes pour trouver des informations sur la rétention, l'engagement et les performances des employés et pour résoudre les problèmes de diversité. Les chefs d'entreprise affirment qu'ils ont pu affiner les processus internes pour améliorer la diversité dans le recrutement et les promotions.

JetBlue Airways a également créé son propre programme d'évaluation dans le but d'améliorer les décisions d'embauche et, finalement, l'expérience client. Une équipe interne a utilisé des analyses avancées pour développer des modèles prédictifs de performance pour les agents de réservation et les agents de bord. La compagnie aérienne basée à New York travaille également avec un partenaire commercial externe pour évaluer les agents de réservation potentiels à l'aide d'analyses, explique Andrew Biga, directeur de l'acquisition et de l'évaluation des talents. Il supervise l'embauche de JetBlue, qui compte quelque 17 500 employés.

Grâce aux efforts de l'entreprise, la qualité des recrutements s’est améliorée. « Nous recevons plus de compliments de la part des clients - cela a augmenté de façon spectaculaire - et moins de plaintes pour les membres d'équipage embauchés suivant la nouvelle méthode », explique Biga. « Les grandes économies sont qu'elles sont moins susceptibles de quitter l'entreprise et que l'attrition a diminué. Nous recrutons des personnes ayant la bonne motivation, donc elles sont heureuses dans leur travail. Plus vous êtes engagé dans le travail, plus la performance est meilleure. » Il dit que JetBlue prévoit de déployer des programmes d'embauche basés sur les données pour d'autres postes.

Un autre avantage de l'utilisation de l'analyse des données dans les recrutements est que les entreprises réduisent le risque de biais dans la prise de décision. « Du point de vue de la conformité, nous nous sommes beaucoup améliorés pour faire les choses de manière équitable et cohérente. C'est une des principales raisons pour faire une telle chose », explique Biga.

Attrition et incitations

Au Crédit Suisse, Wolf a mis en place un département d'analystes en RH spécialisés dans l'utilisation des données de main-d'œuvre pour faciliter le recrutement et réduire les coûts d'attrition volontaire, sans la participation de l'équipe informatique de l'entreprise. Faire baisser le taux d'attrition de 46 600 employés du Crédit Suisse de seulement 1% par an pourrait permettre à l'entreprise d'économiser jusqu'à 100 millions de dollars par an, dit-il.

En utilisant les informations tirées des données qu'elle a collectées, l'équipe d'analyse a développé des politiques et des pratiques conçues pour retenir les travailleurs. Par exemple, l'équipe de Wolf a appris que le fait de pourvoir des postes vacants avec des candidats internes avait été un outil efficace pour retenir les employés dans le passé. Elle a donc développé une campagne « Grow Your Own », qui encourage les responsables du recrutement à «regarder à l'intérieur et à donner le droit de premier refus» aux employés actuels. Les professionnels des RH contactent également les employés possédant les compétences et le potentiel appropriés pour leur demander s'ils seraient intéressés par les postes vacants.

« Il y a cinq ans, nous ne regardions à l'intérieur qu’environ 40% du temps, et maintenant c'est jusqu'à 80% », explique Wolf. "Si j'ai un poste de vice-président ouvert et que je l’agrandis, j'attire les gens et leur donne de nouvelles responsabilités. Nous savons que la mobilité interne est vraiment attrayante."

Chaque année, le personnel du Credit Suisse traite des données impliquant 80 variables et 30 000 employés pour aider à prédire qui pourrait quitter le navire. Les informations collectées incluent les notes de performance des travailleurs, les notes de leurs patrons, les changements de leur rémunération d'année en année et la durée de l'emploi sans promotion.

Le modèle "vous montre qui court le risque [de quitter l'entreprise], et il a tendance à être juste", explique Wolf.

L'organisation génère des rapports pour les managers montrant le risque de fuite relatif de leurs employés. Les managers peuvent alors accorder aux travailleurs une augmentation, une promotion, un accès à une formation en développement de carrière ou autre pour éviter un départ.

"Le modèle est un meilleur prédicteur de départ que les managers de leur propre personnel", dit-il. "Analytics vous aide à mieux comprendre ce qui se passe."

C’est ce type de technologie que Quavitra s’attache aujourd’hui à rendre accessible à toutes les entreprises. Elle évitent ainsi le recrutement et la gestion de ressources en tension loins de leur métier et bénéficient de l’expérience acquise sur un plus grand nombre de données qui ne se limitent plus au seul périmètre de l’entreprise cliente.

Ludification et perspectives

Chez Cigna, Kocher a utilisé une approche gamifiée de l'analyse pour aider à évaluer les performances des managers et leur potentiel de mobilité ascendante. La société Knack de Palo Alto, en Californie, a fourni les jeux, qui sont joués sur un téléphone mobile et aident à identifier les aptitudes, les capacités et les compétences auxquelles les joueurs excellent, ainsi que les qualités qu'ils pourraient envisager développer. Cela se fait en examinant leurs décisions, leurs actions et leurs réactions dans le contexte des jeux.

Parmi les modèles de comportement évalués : résolution de problèmes, réflexion rapide, raisonnement logique, présence de cadres, apprentissage de l'agilité, prise de risques et innovation.

"Nous avons recherché des personnes présentant les niveaux de performance les plus élevés et avons sélectionné un sous-ensemble. Nous les avons fait jouer aux jeux Knack pour voir comment ils faisaient les choses", explique Kocher. "De cela, vous pouvez former un profil."

Les résultats peuvent être révélateurs. Chez Cigna, par exemple, "ce qui est revenu a été plus perspicace que prévu", explique Kocher. "Les données Knack vous donnent des informations à un niveau granulaire, et il devient tellement plus clair ce qui doit être développé au sein du groupe et comment elles doivent être traitées."

Le logiciel d'analyse de Knack affiche un tableau de bord qui montre où les employés de divers groupes excellent ou doivent être améliorés. Les informations permettent à l'équipe de Kocher de mélanger "le qualitatif avec le quantitatif" dans la recherche de compétences qui correspondent à ce que l'entreprise recherche chez les employés, telles que la persévérance, l'orientation client, la volonté de prendre des risques et le sens des relations interpersonnelles. Maintenant, le groupe utilise les jeux Knack pour des groupes beaucoup plus importants pour valider les résultats antérieurs et pour des informations quantitatives.

"Nous examinons les caractéristiques des managers performants et efficaces. Nous avons 4 000 managers dans le monde", explique Kocher. "Nous espérons mieux comprendre ce qu'il faut pour être un gestionnaire plus performant." Son équipe utilise les informations pour aider les gens à développer leurs compétences en gestion en fonction du profil des plus performants. "Non seulement les individus réussissent mieux avec leurs équipes, mais en tant qu'organisation, nous faisons avancer la stratégie."

AXA quant à elle consacre des ressources considérables à la formation et au développement en gestion. Mais les corrélations reliant les données de Knack, l'une des deux sociétés d'analyse des talents embauchées par AXA, aux modèles de comportement des employés ont révélé des résultats surprenants.

« Nous avons constaté que nous étions plus faibles que prévu dans certaines compétences en tant qu'entreprise, en particulier, l'apprentissage de l'agilité, un attribut lié à l'apprentissage de nouvelles compétences », explique Rino Piazzolla, directeur exécutif principal et directeur des ressources humaines. "Cela a été une surprise pour nous, car nous dépensons toujours beaucoup d'argent pour la formation en gestion. Cela nous aide à repenser le développement de carrière."

Selon Piazzolla, les modifications coûteuses de la technologie et de l'infrastructure ne sont pas nécessaires pour que les entreprises puissent bénéficier des perspectives et de la valeur commerciale générées par l'analyse. "Ce n'est pas une question d'informatique et d'infrastructure", dit-il. "Ce dont vous avez besoin, ce sont différents types de personnes en RH. Le plus grand défi de la fonction RH est d'avoir des personnes ayant une formation analytique beaucoup plus solide qui comprennent les chiffres et établissent des corrélations et des perspectives par rapport au professionnel des RH traditionnel qui se concentre sur les sentiments et la perception en plus des choses que vous ne mesurez pas. " "Mettez de côté votre système de croyances pendant un moment. Engagez-vous", conseille Piazzolla. "Décidez collectivement de cette nouvelle façon de faire. Nous voulons créer des services RH plus significatifs pour nos collaborateurs à l'avenir. Nous voulons être une entreprise prospère. Tout dépend de demain."

Article traduit et adapté de la publication original de Carole Fleck.

Ajouter un paragraphe ici.