Le big data va-t-il vraiment révolutionner le recrutement ?

Finalement, pourquoi les ressources humaines échapperaient-elles à la déferlante du « Big Data » ? Si sa promesse est d’être capable de prendre conscience de phénomènes à côté desquels on serait complètement passé, comme par exemple l’impossibilité d’exécuter son plan de recrutement à trois ans pour cause de pénurie de talents, ou de détecter le profil idéal pour pourvoir à un poste, nul doute que cela peut intéresser les recruteurs ! Pour autant, l’exploitation sauvage de millions de données est-elle vraiment nécessaire pour réussir son recrutement ? Petit tour de la question…

 

Le Big Data à l’épreuve de la réalité

La généralisation des SIRH et des outils collaboratifs ont largement contribué à la multiplication des données disponibles sur les collaborateurs, leurs compétences, leurs aspirations, leur performance, leurs centres d’intérêt et domaines d’expertise… Ces données, lorsqu’elles étaient couchées sur papier, ne servaient pour ainsi dire à rien, ou à si peu. Le problème est qu’une fois numérisées, elles ne servent souvent pas encore à grand-chose…
image Alexandre 1

Il ne s’agit bien sûr pas d’impossibilités techniques, mais plutôt de diverses raisons :

  • la saisie de certaines informations non exploitables, comme les champs libres des entretiens d’évaluation contenant de laconiques « moyen » ou « bof »
  • les RH ne savent pas forcément quelles informations corréler pour produire de nouvelles connaissances, les études en droit du travail étant relativement lointaines des parcours de Data Scientist
  • bien qu’ayant les compétences requises, les RH ne disposent pas forcément du temps nécessaire pour analyser ces données, étant souvent trop occupé à clôturer le plan de formation à temps ou à relancer les retardataires de la campagne d’entretiens annuels…

Un autre problème relatif à l’exploitation des données est que les données RH les plus intéressantes ne sont pas toujours numérisables, comme les savoir-être, la culture, les valeurs, la motivation, etc. Tout ce qui a trait aux relations entre individus, à leurs interactions, ou encore à la qualité de ces interactions sont extrêmement difficiles à renseigner de façon tangible dans quelque système que ce soit.

La promesse du Big Data consisterait alors à rendre plus tangible et visible ce qui ne l’est pas, mais en devant utiliser des données qui parlent de tout sauf de ce que l’on souhaite comprendre… Est-ce possible ? Ce qui a du sens à un niveau de grands volumes de données, dont la faible qualité est compensée par la grande quantité, peut-il s’appliquer au domaine des relations humaines ? C’est précisément à cette question que le marché est en train de s’intéresser, et même si tout le monde a envie d’y croire, rien n’est moins sûr

 

La force du Big Data : la physique sociale ?

Prenons la question à l’envers et faisons fi des doutes précédents : comment tirer profit de ces données et pour quel objectif ?

Les entreprises peuvent utiliser les données disponibles en interne – même si le volume n’est pas faramineux – et les rendre intelligentes pour expliquer un phénomène, à un niveau micro court ou moyen terme. On sort alors de la dimension Big Data qui s’applique davantage à un niveau macro (vision marché, stratégie d’entreprise…) et sur d’importants volumes pour entrer dans une dimension que l’on appellerait Small Data.

image Alexandre 2

De la corrélation de données, on passe à la fouille approfondie des données, avec un objectif différent : trouver une causalité. En bref, donner une explication à un phénomène. Cela peut être l’évolution des collaborateurs dans l’entreprise selon leur profil, leurs souhaits d’évolution, leurs compétences, etc. dans un but de fidélisation et de gestion de carrière.

Un exemple couramment employé est celui de l’anticipation des risques de départ. Il ne s’agit pas là de prédire qui va partir et quand, ce qui relève plus des sciences cognitives ou du ressenti des RH que d’une analyse de données numériques. Il s’agit plutôt de prévoir une tendance de départ au sein de l’entreprise – dont les sources peuvent être diverses (management, environnement de travail, rémunération, etc.) – pour donner l’alerte et mettre en place un plan d’actions afin d’inverser la tendance.

Le Big Data RH devrait s’inscrire dans cette  logique de prédiction des événements ou d’identification des éléments qui contribuent à la survenue d’un phénomène. On est plus dans l’application du Big Data aux sciences sociales, « la physique sociale », car c’est avant tout une démonstration, une thèse sur l’usage social des données numériques pour leur donner du sens. L’objectif est de comprendre le fonctionnement global des collaborateurs et de l’entreprise afin de prendre des mesures pour traiter ou anticiper les problèmes identifiés.

Le Professeur Alex Pentland – père fondateur du concept de « physique sociale » – a mis cela en pratique avec ses étudiants dans le cadre d’une étude menée avec SenseNetworks pour identifier les caractéristiques des équipes les plus performantes. En s’appuyant sur des sociomètres (des capteurs qui mesurent le ton de la voix, le volume gestuel, le temps de parole, d’écoute et d’interruption, etc.) Alex Pentland montre que les meilleurs groupes sont ceux qui échangent (en face à face) un grand nombre d’idées (qui favorisent beaucoup de petites interactions plutôt que de rares et longues interactions), denses (permettant de valider et invalider des idées et construire des consensus) et diverses (tout le monde contribue à même niveau de participation). C’est sur ces capacités à échanger que l’on devrait bâtir les indicateurs de performance des groupes plutôt que sur les critères traditionnels de cohésion, motivation, satisfaction, etc.

Image Alexandre 3

Ce qui est intéressant dans la perspective que dresse Alex Pentland, c’est qu’il assigne un objectif clair au Big Data : celui d’appréhender notre comportement social, aussi complexe soit-il, plutôt que de chercher à le réduire. L’enjeu principal étant in fine de mieux comprendre l’humain.

 

Induire plutôt que déduire

Si les RH ne sont pas forcément demandeurs d’un système capable de prédire l’avenir ou d’identifier le candidat idéal dans le vaste univers du web, ils restent néanmoins très preneurs d’un coup de main pour arriver à faire sortir l’aiguille de la botte de foin, tant la botte est volumineuse. Et c’est en cela que le Big Data RH peut s’avérer utile.

Dans Big Data il y a « Big », et c’est donc bien de cette capacité à brasser un volume considérable de données que les RH aimeraient bénéficier. Non pas pour faire le travail à leur place, mais plutôt pour leur donner l’opportunité de voir émerger des profils auxquels ils n’auraient pas forcément eu accès.

L’un des intérêts majeurs de la machine sur l’humain est qu’elle est agnostique. Si en corrélant toutes les informations disponibles sur le web concernant un domaine fonctionnel donné il s’avère qu’une personne peu diplômée ou peu expérimentée ferait l’affaire, elle ne l’évincera pas sous couvert d’un pseudo-principe ayant cours dans l’entreprise. Elle pourrait même faire fi de la sacro-sainte question du handicap pour faire émerger le profil d’une personne autiste en première position s’il s’avère qu’elle a les compétences requises pour l’emploi recherché (lire à ce sujet The Autism Job Club).

Le Big Data s’appuie en effet sur un principe d’induction et non de déduction. Grâce à ce caractère agnostique, il est plus à même de faire émerger de nouvelles connaissances que de simplement s’appuyer sur des schémas existants pour déduire un résultat. Et c’est finalement là le véritable intérêt du Big Data RH pour le recrutement : sortir des chemins battus et rebattus pour faire exister de nouveaux talents !

Image Alexandre 4

C’est dans ce sens que Talentsoft développe ses solutions : en cherchant à éclairer les décisions humaines plutôt qu’à les automatiser. L’objectif ne doit pas être de dire quelle sera la bonne décision en se basant sur une multitude de données dont la véracité n’est pas vérifiée, mais de donner des pistes de réflexion en se basant sur des données socialement construites. Finalement, tout n’est qu’une question d’éclairage, non ?

Merci Alexandre !

 ——-

« Big Data et Recrutement » sera le thème principal de la 5ème édition de notre événement #rmsconf (recrutement mobile & social) qui aura lieu le 13 octobre à Paris. La contribution de Alexandre Pachulski s’inscrit donc dans le cadre de la série « Big Data et Recrutement vu par … », avec deux RDV chaque semaine en amont de #rmsconf.
C’est l’occasion pour les différents speakers de l’événement de partager leur vision et imaginer ensemble comment le Big Data continuera d’impacter le recrutement que nous connaissons. Vos commentaires sur chaque billet nourriront le débat et la réflexion.

——————

Voici la liste des contributions actuelles :

#01 – La série a commencé le 3 septembre avec le billet de Jean-Christophe Anna : Big Data et Recrutement par Jean-Christophe Anna
#02– Big Data et Recrutement par Geoffroy de Lestrange
#03– Big Data et Recrutement par Frédéric Mischler
#04– Big Data et Recrutement par Eric Barilland
#05– Big Data et Recrutement par Yves Loiseau
#06– Big Data et Recrutement par Thibaut Gemignani
#07– Big Data et Recrutement par Alexandre Pachulski
#08– Big Data et Recrutement vu par David Rivel et Florian Delair
#09– Big Data et Recrutement vu par Sébastien Hueber