Imaginez qu'il vous incombe de veiller à la fidélisation des employés de votre entreprise. Les données relatives à la main-d'œuvre et l'intelligence artificielle peuvent vous aider à repérer les personnes susceptibles de partir. Ces outils vous donnent une longueur d'avance, en vous indiquant par exemple que vous risquez de perdre un groupe de femmes très compétentes qui sont sur le point d'occuper des postes de direction. 

Grâce à l'analyse prédictive, vous avez l'occasion de prendre des mesures pour retenir ces talents. L'analyse prédictive peut également vous avertir si, par exemple, vous ne disposez pas de suffisamment d'employés possédant les compétences requises pour un projet de grande envergure prévu l'année suivante. Elle peut également servir à promouvoir l'équité. Ainsi, avant de faire une offre importante à un candidat pour un poste, l'analyse peut vous indiquer si cette offre va déséquilibrer votre échelle salariale. 

« 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? L'analyse prédictive peut vous permettre de repérer ces situations », explique Trey Causey, responsable de l'éthique en matière d'IA et directeur principal des sciences des données chez Indeed. « En effet, j'aurais du mal à imaginer la manière dont nous pourrions détecter ce phénomène sans utiliser ces outils. C'est une façon de pouvoir aborder ces questions de manière quantitative. » 

La prolifération des outils d'analyses générales n'est pas une nouveauté pour les ressources humaines. Ils ont commencé à gagner du terrain durant la seconde moitié du siècle dernier. Aujourd'hui, la majorité des grandes entreprises s'appuient sur l'analyse pour examiner des données relatives au rendement passé et prendre des décisions éclairées en matière de recrutement, de licenciement et de promotion. 

Cependant, l'essor des données massives et de l'IA amène les ressources humaines à ne plus se contenter d'indicateurs passés. L'analyse prédictive, associée à de nouvelles technologies innovantes alimentées par l'IA, permet d'anticiper. Quelles seraient les répercussions sur le personnel si vous décrétiez que tous les mercredis sont des jours sans réunion? Quand devriez-vous envisager d'offrir une prime à un employé afin de conserver sa motivation? 

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, d'après la docteure en psychologie clinique Hallie Bregman de Bregman Group, un cabinet de conseil en ressources humaines spécialisé dans les pratiques axées sur les données. « Ce n'est qu'un début. Le phénomène va prendre de l'ampleur », affirme-t-elle. « Dans 5 ans, l'utilisation de ces outils sera beaucoup plus répandue. Dans 10 ans, tout le monde les aura adoptés. »

Pour utiliser ces outils à leur plein potentiel, les équipes des ressources humaines doivent se montrer proactives, être bien informées et traiter les données de manière responsable. Ainsi, la technologie vient en aide aux employés au lieu de nuire à leurs efforts. 

Pour vous assurer que votre entreprise met en œuvre efficacement l'analyse prédictive, suivez les 6 pratiques exemplaires suivantes.

Déterminez ce que vous cherchez à résoudre

« Je ne saurais vous dire combien de clients avec lesquels je travaille ignorent à quelle question ils essaient de répondre » par l'entremise des analyses prédictives, confie Hallie Bregman. « Ils se disent simplement qu'ils sont censés procéder ainsi, mais ils ne savent pas pourquoi. » 

« La principale question à se poser est la suivante : quel problème voulez-vous résoudre au cours des trois à cinq prochaines années? », ajoute-t-elle. 

S'agit-il de mettre en place une nouvelle équipe produit? D'accroître la diversité? D'alimenter une forte expansion? Si vous ne savez pas précisément les résultats que vous souhaitez obtenir grâce à l'analyse prédictive, vous risquez de consacrer du temps et de l'argent à des outils qui ne vous aideront pas à atteindre les objectifs de votre entreprise. 

Parlez-en à votre équipe juridique

De même, il est important de consulter votre équipe juridique. Elle peut évaluer si les outils que vous utilisez transmettent les données conformément aux règles de l'entreprise, ainsi qu'aux lois sur la protection de la vie privée et contre la discrimination. « J'ai été témoin, dans beaucoup trop d'organisations, de la diffusion de données brutes à des groupes de personnes pour qui tous les attributs d'un rapport ne sont pas nécessaires. C'est là qu'apparaissent les risques », explique Hallie Bregman. 

Appuyez-vous sur la science

Tous les produits d'analyse prédictive ne sont pas en phase avec les valeurs et l'éthique de votre entreprise. Il est indispensable d'évaluer les employés en se fondant sur les exigences réelles du poste et sur les données relatives à leur comportement et à leur rendement. Ne fondez pas vos décisions sur des tests de personnalité qui présagent de la loyauté des employés en tenant compte de leur préférence pour les chats ou les chiens, ou du fait qu'ils sont originaires d'une petite ville. 

« De nombreux fournisseurs proposent une pseudoscience sous couvert d'analyse prédictive », explique Trey Causey. « Il ne faut jamais hésiter à demander un second avis, celui d'une personne compétente dans le domaine concerné. » Si votre équipe de gestion des ressources humaines n'est pas suffisamment expérimentée en la matière, recherchez des services et des conseillers qui évaluent les outils de gestion des ressources humaines de manière impartiale.

Gardez à l'esprit qu'il vous faut des outils capables d'évaluer de grands ensembles de données afin d'en dégager des tendances. Essayez d'éviter d'utiliser des données granulaires, comme le rendement d'un employé au cours d'un seul trimestre, surtout lorsqu'il peut exister des circonstances sous-jacentes inconnues de l'outil d'analyse. 

« C'est un peu comme le marché boursier : il vaut mieux ne pas faire de spéculation sur séance », explique Trey Causey. « Il ne faut pas réagir de manière excessive à de petites fluctuations dans les mesures. Vous devez observer la tendance à long terme et vous assurer que vous prenez vos décisions en tenant compte du contexte. »

Prenez des initiatives en matière de diversité, d'équité, d'inclusion et d'appartenance

L'analyse prédictive donne l'occasion de procéder à une évaluation axée sur les données des pratiques en matière de diversité, d'équité, d'inclusion et d'appartenance, qui peuvent autrement être difficiles à quantifier. Avec une protection responsable de la vie privée, vous pouvez adopter une approche fondée sur les données pour aider à analyser les décisions relatives aux salaires et aux augmentations, aux possibilités de formation et aux promotions. L'objectif est de s'assurer que la rémunération et les occasions de perfectionnement sont en phase avec le rendement et les compétences, et qu'elles ne dépendent pas de l'instinct du professionnel qui recrute, parfois sujet à des biais inconscients. 

L'analyse des données relatives aux employés peut également aider les équipes des ressources humaines à s'assurer que les occasions qui se présentent sont les mêmes pour tous les groupes démographiques. « Si ce n'est pas le cas, que se passe-t-il? », demande Hallie Bregman. « Pouvez-vous intervenir? » 

Ce type de données peut faciliter la présentation d'arguments convaincants en faveur de la diversité, de l'équité, de l'inclusion et de l'appartenance à un moment où certains chefs d'entreprise négligent ou réduisent ce genre d'initiatives. « Si vous pouvez utiliser les données pour montrer que quelque chose est en train de se produire, au lieu de vous contenter d'arguments théoriques, vous aurez beaucoup plus de chances d'être un acteur du changement que si vous vous lancez dans un plaidoyer passionné en invoquant le bien-fondé de votre démarche », explique Trey Causey. 

Vérifiez la présence éventuelle de biais

« N'oubliez pas que les données que nous utilisons pour entraîner les algorithmes et les outils d'IA peuvent être biaisées », souligne Dr Salvatore Falletta, professeur et directeur de programme pour le développement des ressources humaines à l'Université Drexel. « L'outil d'IA est alors aussi partial qu'un humain, parfois davantage encore, car son fonctionnement est amplifié. » 

Si vous disposez d'outils à l'interne, veillez à effectuer des contrôles de partialité. Si vous vous adressez à un fournisseur externe, demandez-lui si ses produits ont fait l'objet d'une évaluation de la partialité. 

Selon Trey Causey, 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, rien ne vous oblige à les suivre aveuglément. Si l'analyse prédictive fixe des objectifs de recrutement trop élevés ou recommande des délais trop courts, adaptez-les.

Veillez à ne pas faire preuve d'indiscrétion

Lorsqu'elle est exploitée de manière bienveillante, l'analyse prédictive permet de favoriser l'égalité des chances, de mettre en œuvre de meilleures pratiques de recrutement et de donner aux employés le sentiment d'être valorisés. Mais utilisée abusivement* et sans tenir compte de la vie privée, elle peut s'avérer vraiment inquiétante. Et si ces outils surveillaient les actualités des réseaux sociaux pour déterminer si un employé risque de démissionner? Ou s'ils suivaient les déplacements des employés au bureau pour savoir à qui ils parlent au cours de la journée et dans quelle mesure ils communiquent? Ou s'ils installaient des « patrongiciels  »* sur les ordinateurs des télétravailleurs afin d'évaluer leur productivité? 

Trey Causey, Salvatore Falletta et Hallie Bregman soulignent tous le besoin impératif de transparence avec les employés quant aux données collectées et aux raisons de leur collecte. Personne ne veut avoir l'impression d'être espionné. 

« Considérez cela comme la règle d'or : comment vous sentiriez-vous si vous étiez évalué de cette manière? », poursuit Trey Causey. « Nous n'allons certainement pas évaluer les employés d'une façon dont nous n'aimerions pas être évalués. »

* Articles en anglais