Pas de Big Data RH sans sémantique

Il est impossible d’évoquer le Big Data dans le contexte des RH sans parler de sémantique. Les mots, bien plus que les chiffres, constituent la matière première des RH. On les trouve, bien sûr, dans les CV et les offres d’emploi, mais aussi dans de nombreux autres documents tels que les descriptions de postes, les programmes de formation, les comptes-rendus d’entretiens annuels par exemple. Autant de documents adoptant des structures variées et rédigées par de personnes différentes qui chacune peuvent exprimer la même idée d’une multitude de façons. Le challenge est donc de structurer cette masse de données en analysant et identifiant automatiquement le sens des mots dans leur contexte pour le rendre exploitable et visualisable. Face à ces enjeux, les technologies sémantiques sont indispensables.

On peut identifier 5 domaines dans lesquels la sémantique est essentielle à l’exploitation du Big Data

Des-chiffres-et-des-lettres

 

Construire et enrichir les référentiels RH

La construction du Big Data RH passe tout d’abord par la constitution d’une ontologie, c’est-à-dire un référentiel commun, une représentation des liens logiques entre connaissances et concepts RH au sein de l’entreprise.

Les logiciels d’analyse sémantique tels que Extract! de Textkernel sont capables d’extraire, de traiter et d’analyser la matière première du Big Data RH pour en faire ressortir un réseau de mots clefs et de concepts constituant une vision exhaustive et enrichie de la sphère RH au sein de l’entreprise.

Ces données devront ensuite faire l’objet d’ajustement et d’arbitrage pour aboutir à un référentiel RH complet, précis, et prenant en compte tous les aspects des personnes et des emplois au sein de l’entreprise et vis-à-vis du marché.

 

Fédérer les données RH

Il existe une très grande diversité d’informations pouvant être utiles dans le cadre de la gestion des talents:

  • Les données RH traditionnelles (CV, Tests, Entretiens, etc.)
  • Les données « métier » (contenu des missions et projets, publications, interactions sur le réseau social d’entreprise, etc.)
  • Les données socio-économiques souvent accessibles via l’Open Data
  • les données personnelles (préférences, projets, situation personnelle, etc.)

L’enjeu ici est de fédérer les données qui sont contenues dans des systèmes différents et sous des formats divers et variés au sein de l’entreprise. Seule une approche automatisée de la sémantique est capable d’extraire et structurer ces données de manière compréhensible. C’est par exemple ce que fait Jobfeed, en regroupant et analysant des millions d’offres d’emploi venant de dizaines de milliers de sources différentes.

shutterstock_116697148

 

Présenter les données RH

La structuration des données grâce à la sémantique est un préalable essentiel à la visualisation des données et permet une compréhension plus rapide et plus profonde de l’information. Elle permet par exemple de visualiser le parcours professionnel d’une personne ou, comme par exemple dans notre logiciel Search!, de visualiser une synthèse des informations contenues dans un grand nombre de documents RH, sans avoir à les consulter individuellement.

 

Comparer les données RH

La sémantique permet non seulement d’extraire du sens des documents RH, mais aussi de raisonner autour de ces documents. La sémantique permet par exemple de comparer une offre avec des CV, un projet de carrière par rapport à des formations, un lot de CV par rapport à un autre, etc. Ainsi, derrière la notion de « Matching » se cache des raisonnements et des arbitrages pouvant s’avérer complexes. Dès lors que l’on ne trouve pas exactement ce que l’on cherche, la notion de proximité ou de similarité prise en charge par la sémantique devient une composante primordiale pour présenter des résultats pertinents aux utilisateurs.

shutterstock_241742776

 

Fournir des clefs de décision et d’anticipation

La puissance  technologies sémantiques de Textkernel provient de l’intelligence artificielle. Elles ne dépendent donc pas de référentiels ou de dictionnaires préétablis. Cette qualité permet de maintenir une veille sémantique continue pour modéliser les relations entre différents concepts. Il est ainsi possible de modéliser en temps réel des parcours professionnels ou les relations entre emplois et compétences. Il est aussi possible, par exemple, d’anticiper l’émergence de nouveaux métiers et compétences et d’en comprendre le contexte.

En conclusion, la sémantique constitue le socle primordial d’un projet Big Data RH. Sur ce socle permettant de facilement analyser, fédérer et comparer les données, il est possible de construire d’appliquer de manière simple des technologies et algorithmes de type décisionnels et prédictifs et des techniques de visualisation avancées.

Fondés notamment sur l’intelligence artificielle, ces techniques ont été mises en œuvre sur des données chiffrées depuis des décennies, par exemple dans le domaine des prévisions météorologiques  et de la prévention des fraudes à la carte bancaire. Mais c’est la sémantique qui en fédérant et harmonisant les données textuelles permet au Big Data d’être aujourd’hui à la fois « Big » et accessible à tous.

shutterstock_318623261

Merci Yves !

 ——-

« 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 d’Yves Loiseau 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

Crédit photos : Shutterstock – Data mining (dataminig) process , Binary code. Blue background , Big Data Storage Online Technology Database Concept

Yves Loiseau

Yves Loiseau a commencé sa carrière sur le web en 1998, après plus de 5 ans passés dans le commerce international. En tant que consultant SIRH chez Publicis, il a participé au lancement de Mediasystem Interactive, la branche e-recrutement du Groupe. Il a occupé ensuite plusieurs postes au sein d’entreprises spécialisées dans le domaine des technologies RH. Directeur des ventes pour i-Grasp (2002-2005), Président de Job Angels (2005-2008) et CEO de Otys France (2008-2012). Il est actuellement en charge des opérations de Textkernel en France, en Espagne et en Italie.

Les derniers articles par Yves Loiseau