Controlling RH: Utilisation de l'IA générative
Prof. Dr. Thomas Rautenstrauch
Thomas Rautenstrauch est professeur pour la formation en économie d’entreprise et plus particulièrement en accounting et controlling. Il est d’ailleurs directeur du Center for Accounting & Controlling de la Haute école d’économie de Zürich. De plus, il enseigne, en qualité de professeur invité, le management accounting en Executive MBA au sein de l’Institute for Management in Technology (iimt) de l’Université de Fribourg. Thomas Rautenstrauch est l’auteur de plusieurs ouvrages spécialisés et de nombreux articles pour des revues et pour la presse économique.
Aides de travail appropriées
EN BREF
L’IA générative transforme le controlling RH en passant d’une logique rétrospective à une approche prédictive et stratégique. Elle permet d’anticiper la rotation du personnel, de simuler des scénarios budgétaires et d’optimiser les décisions relatives aux talents. Son déploiement exige toutefois une gouvernance stricte des données et une conformité juridique irréprochable.
À retenir:
→ Le controlling RH évolue vers les « People Analytics »
→ L’IA permet des analyses prédictives et non plus uniquement descriptives
→ La qualité des données conditionne la performance des modèles
→ Une supervision humaine reste juridiquement indispensable
→ L’EU AI Act classe de nombreuses applications RH comme « à haut risque »
Cet article analyse comment diverses technologies IA sont à même d'enrichir le controlling RH en Suisse. Il ne s'agit pas seulement d'améliorer l'efficacité, mais aussi d'exploiter le potentiel de l'IA pour améliorer la qualité des décisions et maximiser la valeur ajoutée de la fonction RH. L'accent est mis sur des cas d'application concrets particulièrement adaptés à la mise en œuvre, sur les conditions organisationnelles et techniques nécessaires, ainsi que sur le cadre juridique et éthique essentiel.
Cet article répondra de manière systématique aux questions centrales relatives à la mise en œuvre de l'IA dans le controlling RH des entreprises suisses. Il vous exposera les cas d'application les plus prometteurs, les conditions organisationnelles et techniques qui doivent être mises en place et comment les exigences légales, notamment celles de la loi suisse sur la protection des données (LPD) et les implications de la loi européenne sur l'IA (EU AI Act), doivent être respectées.
De «Controlling RH» à «People Analytics»
Au cours des dernières années, la gestion des données dans le domaine des ressources humaines n'a cessé d'évoluer, raison pour laquelle l'utilisation d'un système de reporting RH spécifique est aujourd'hui la norme dans les moyennes et grandes entreprises. Pour ce faire, les données sont systématiquement collectées, des rapports sur la situation actuelle dans le domaine des ressources humaines sont régulièrement établis (absentéisme pour cause de maladie, la rotation du personnel ou les effectifs). Ces rapports sont toutefois principalement rétrospectifs et fournissent un instantané du passé.
Ce n'est qu'avec la mise en place du controlling RH dans les années 1980 que la gestion des ressources humaines fondée sur les données a pris une dimension plus stratégique. Depuis lors, les services de contrôle de gestion s’attachent à développer des indicateurs qui ne se contentent pas de refléter un statu quo et qui permettent également d’effectuer des premières comparaisons dans le temps (analyses de séries chronologiques) avec d’autres entreprises (benchmarking). Cela permet de répondre à la question «Que se passe-t-il aujourd’hui ?» et d’en déduire les premiers mécanismes de pilotage.
La situation actuelle, incarnée par les «People Analytics» et le recours à l'IA, est une conséquence directe de la numérisation. Le concept des «People Analytics» permet aujourd'hui au controlling RH de piloter les ressources humaines stratégiques de manière ciblée et en se fondant sur des données.
Pour bien comprendre ce concept, il est nécessaire de définir précisément quelques termes clés: alors que le controlling RH traditionnel s’est historiquement concentré sur la collecte et l’analyse d’indicateurs axés sur le passé – tels que les taux de rotation ou les coûts de personnel, afin de répondre à la question «Que s’est-il passé ?» –, les «People Analytics» marquent un changement de paradigme: elles utilisent des méthodes d’analyse avancées pour mettre en évidence les relations de cause à effet et créer des modèles prédictifs qui apportent des réponses à des questions stratégiques telles que «Pourquoi cela s’est-il produit?» ou «Que va-t-il probablement se passer?». Dans ce contexte, l’intelligence artificielle (IA) est l’outil technologique qui élargit considérablement les capacités des «People Analytics» en permettant l’analyse de volumes de données importants et complexes ainsi que l’automatisation des processus.
Le potentiel d'application de l'IA générative dans le controlling RH
L'IA générative constitue l'une des avancées les plus innovantes, qui transforme en profondeur un grand nombre de secteurs. Dans le domaine du controlling RH, elle offre la possibilité d'accroître l'efficacité des processus, d'optimiser les décisions fondées sur les données, ainsi que d'automatiser, d'étendre et d'améliorer la qualité des processus de contrôle de gestion opérationnels et stratégiques. Les cas d'utilisation suivants mettent en lumière les domaines d'application les plus prometteurs et les avantages stratégiques qui y sont associés.
L'IA peut être mise à profit dans différents domaines d'action du controlling RH en vue de transformer le travail des RH, le faisant passer d'une fonction rétrospective et manuelle à une fonction prédictive et stratégique. Les cas d'utilisation les plus prometteurs peuvent être classés en quatre domaines principaux.
Modèles prédictifs de rotation du personnel
L'un des principaux domaines d'application est la prévision de la rotation du personnel. Les algorithmes IA sont capables d'identifier des tendances dans les données RH historiques et d'établir à partir de celles-ci des profils de risque de départ. Ces modèles analysent diverses sources de données internes, telles que l'absentéisme, les courbes de performance, les changements de service et l'évolution des salaires, et peuvent les combiner avec des informations externes, comme les taux de rotation sectoriels ou les prévisions économiques. L'objectif de ces modèles de fidélisation est d'identifier à un stade précoce les tendances au départ chez les collaborateurs clés, avant même que leur intention de résilier n'ait été exprimée.
Pour les entreprises suisses confrontées à une pénurie aiguë de main-d'œuvre qualifiée et aux changements démographiques, cette approche préventive offre un avantage stratégique considérable. Les modèles IA ne fournissent pas de réponse définitive: ils fournissent une base factuelle en vue de prendre certaines mesures ciblées de fidélisation des collaborateurs. Le succès de ces modèles dépend toutefois largement de la qualité des données et de l'évaluation éthique de l'utilisation de données personnelles sensibles. La technologie ne déploie pleinement ses avantages que si les résultats sont compréhensibles et susceptibles d'être intégrés dans les processus décisionnels existants. Le passage d’une gestion réactive des démissions à une stratégie de fidélisation dynamique des collaborateurs offre la possibilité de réduire considérablement les coûts directs et indirects liés au personnel résultant d’une rotation involontaire.
Planification automatisée des besoins en personnel et des coûts
Un autre cas d'application prometteur est la prévision précise des coûts de personnel. Les systèmes basés sur l'IA sont ainsi capables d'analyser en temps réel de grandes quantités de données structurées et non structurées. Cela inclut des données internes telles que l'évolution des salaires, les heures de travail enregistrées, les heures supplémentaires et les absences, ainsi que des facteurs externes tels que l'évolution de la législation ou les indicateurs économiques. L'utilisation de l'IA permet non seulement de réduire les erreurs de prévision, mais surtout de calculer des scénarios dynamiques («scénarios hypothétiques»). Par exemple, l'IA générative permet de simuler l'évolution des coûts de personnel en cas de modification du temps de travail hebdomadaire ou de fluctuations du carnet de commandes. Cela renforce la sécurité budgétaire et offre aux entreprises une base décisionnelle solide.
L'IA générative permet également de détecter rapidement les écarts budgétaires, ce qui améliore considérablement la réactivité des services de controlling RH et leur permet de passer d'une approche classique basée sur Excel à une approche plus dynamique. Cependant, le principal défi lors de la mise en œuvre n'est souvent pas la technologie elle-même, mais la mauvaise qualité et la structure inadéquate des données au sein de l'entreprise, ainsi que l'absence d’une stratégie clairement exprimée.
Gestion des talents et des compétences assistée par l'IA
L'utilisation de l'IA dans la gestion des talents ouvre de nouvelles perspectives pour identifier et valoriser systématiquement les collaborateurs, leurs points forts, leur potentiel et leurs parcours de développement. Ainsi, les algorithmes d'apprentissage automatique peuvent établir automatiquement des profils de compétences, identifier les besoins en formation et recommander des mesures de formation continue adaptées. L'IA générative peut même élaborer des programmes de développement détaillés, adaptés aux besoins individuels des collaborateurs. L'analyse des données de performance, des retours d'expérience et de la participation aux projets permet de formuler des propositions de carrière personnalisées.
L'un des avantages décisifs de ces approches fondées sur les données réside dans le renforcement des critères d'objectivité et d'équité dans les décisions relatives à la chasse aux talents, souvent influencées par des facteurs subjectifs dans le cadre des analyses de potentiel classiques. Cela suppose toutefois des données d'entraînement exemptes de biais. C'est là que réside un dilemme fondamental: bien que l'IA puisse théoriquement renforcer les critères d'objectivité, elle renforce souvent, dans la pratique, les préjugés existants lorsque les données historiques utilisées pour son apprentissage sont biaisées. La capacité d'identifier, de mesurer et de corriger ces biais n’est donc pas une option: c'est une nécessité éthique et juridique. Cela est particulièrement pertinent pour la loi européenne sur l’IA (EU AI Act), qui classe ces systèmes parmi les applications à haut risque et impose des exigences strictes en matière de qualité des données et de transparence.
Recommandations de produits
Gain d'efficacité grâce à l'automatisation et au reporting
L'automatisation des rapports standard et des analyses de routine constitue un domaine d'application IA particulièrement tangible dans le controlling RH. Cela comprend principalement:
- Analyses des effectifs
- Analyses de la pyramide des âges
- Statistiques des absences
- Séries chronologiques sur les coûts de personnel
Grâce à des systèmes basés sur l'IA, ces rapports peuvent être générés, mis à jour et visualisés automatiquement, ce qui réduit considérablement la charge de travail manuelle et le risque d'erreurs. L'analyse en temps réel de volumes de données complexes et leur présentation sous forme de tableaux de bord permettent aux responsables RH et aux supérieurs hiérarchiques de réagir plus rapidement aux évolutions et de prendre des décisions éclairées. Un tel système d'alerte précoce peut, par exemple, surveiller une forte augmentation de l'absentéisme ou l'évolution des coûts. Grâce à l'automatisation des tâches administratives, les responsables RH disposent ainsi de plus de temps pour interpréter les données et élaborer des recommandations d'action stratégiques, ce qui accentue le rôle décisionnel du controlling RH au sein de l'entreprise.
Tableau comparatif
| Usage IA dans le controlling RH | Objectif principal | Valeur ajoutée | Point de vigilance |
|---|---|---|---|
| Modèles prédictifs de rotation | Anticiper les départs | Fidélisation ciblée | Protection des données sensibles |
| Prévision des coûts RH | Simuler scénarios budgétaires | Meilleure planification | Qualité des données |
| Gestion des talents | Identifier compétences et potentiels | Développement plus objectif | Risque de biais algorithmiques |
| Reporting automatisé | Générer analyses et tableaux de bord | Gain de temps opérationnel | Validation humaine nécessaire |
| People Analytics | Relier données RH et stratégie | Pilotage décisionnel renforcé | Transparence des modèles IA |
Conditions sine qua non d’implémentation
L'implémentation réussie de l'IA dans le controlling RH ne se limite pas au simple choix de la technologie appropriée. Il s'agit d'une entreprise complexe qui exige de prendre soigneusement en compte différents aspects juridiques, techniques, organisationnels et culturels.
Cadre juridique et limites
En Suisse et en Europe, l'utilisation de l'IA dans le domaine des ressources humaines est régie par une législation stricte visant à garantir la protection des droits de la personnalité.
- Loi suisse sur la protection des données (LPD) et RGPD de l'UE: la LPD suisse révisée, qui s'inspire étroitement du Règlement général sur la protection des données (RGPD) de l'UE, protège les droits de la personnalité des personnes physiques lors du traitement de leurs données. Pour les entreprises suisses qui exercent leurs activités dans l'UE ou traitent des données de citoyens de l'UE, le respect du RGPD est également obligatoire. Les principes fondamentaux de ces deux lois sont les suivants: principe de finalité, minimisation des données, limitation de la durée de conservation et transparence. Toute utilisation de systèmes IA doit reposer sur une base juridique claire, qu'il s'agisse du consentement de la personne concernée ou d'une autorisation légale.
- Profilage et prise de décision automatisée: les deux législations prévoient des dispositions relatives à la prise de décision automatisée. Conformément à l'article 22 RGPD et, par analogie, au droit suisse, une décision qui repose exclusivement sur un traitement automatisé et entraînant une atteinte significative (par exemple, un refus dans le cadre d'une procédure de recrutement) est en principe interdite, sauf si la personne concernée a donné son consentement explicite ou s’il existe une base légale. Cela souligne la nécessité de toujours garantir une «supervision humaine» dans les processus RH basés sur l’IA, afin qu'un humain prenne la décision finale et évalue la logique du système IA.
La loi européenne sur l'IA (EU AI Act) constitue le fondement de la réglementation des systèmes IA et classe les applications IA utilisées dans le domaine des ressources humaines pour la sélection des candidats, l'évaluation des performances ou les décisions de promotion et de licenciement comme des «systèmes d'IA à haut risque». Ces systèmes sont soumis à des exigences strictes, notamment la mise en place d’un système de gestion des risques continu, des normes élevées en matière de qualité des données, la transparence vis-à-vis des personnes concernées et l’obligation d’une supervision humaine. La responsabilité juridique passe de la conformité générale en matière de protection des données à la «conformité des algorithmes», ce qui représente un nouveau défi en matière de conformité. Les entreprises suisses concernées par la loi européenne sur l'IA qui développent ou utilisent de tels systèmes doivent anticiper ces exigences afin de rester viables à long terme.
Mesures techniques et organisationnelles
Toute application d'IA performante repose sur une base de données solide et une infrastructure technique adaptée; les aspects suivants nécessitent donc une analyse approfondie:
- Qualité et maturité des données: les modèles d'IA générative ne valent que par la qualité de leurs données d'apprentissage. Selon les experts, la mauvaise qualité et la structure inadéquate des données retenues constituent l'une des principales causes d'échec des projets d'IA. Il est donc indispensable que l'entreprise dispose d'un certain «degré de maturité des données» avant de se lancer dans des analyses complexes. L'investissement dans la gouvernance des données, c'est-à-dire dans les processus visant à garantir leur exactitude, leur exhaustivité et leur actualité, est souvent plus important que celui consacré à l'algorithme lui-même. Une mauvaise qualité de données conduit à des algorithmes biaisés, qui peuvent à leur tour entraîner des décisions discriminatoires et différents manquements en matière de conformité.
- «Privacy by Design» et «Privacy by Default»: ces principes, inscrits dans le RGPD, revêtent une importance capitale pour la conception technique des systèmes d'IA dans le domaine des ressources humaines. Le principe de « Privacy by Design » exige que la protection des données soit intégrée dès le départ dans la conception et le développement du système. Cela inclut des mesures telles que la pseudonymisation ou l'anonymisation, visant à réduire au minimum le caractère personnel des données. La «Privacy by Default» signifie que les paramètres par défaut du système constituent l’option la plus respectueuse de la protection des données. Ces pratiques sont indispensables pour préserver la confiance des collaborateurs et satisfaire aux exigences légales.
- Analyse d'impact relative à la protection des données (AIPD): l'utilisation de systèmes IA à haut risque, tels qu'on en trouve fréquemment dans la gestion des ressources humaines, nécessite une AIPD conformément à l'article 35 RGPD. Il s'agit d'un processus systématique visant à évaluer les risques pour les droits et libertés des personnes concernées. Une AIPD oblige l'entreprise à examiner de manière critique la nécessité et la proportionnalité du traitement des données et à définir des mesures visant à minimiser les risques.
Checklist: mise en place de l’IA dans le controlling RH
→ Évaluer la maturité des données RH disponibles
→ Mettre en place une gouvernance claire des données
→ Réaliser une analyse d’impact relative à la protection des données (AIPD)
→ Définir les responsabilités internes (IT, RH, compliance)
→ Garantir la supervision humaine des décisions automatisées
→ Tester les modèles pour détecter les biais algorithmiques
→ Documenter la logique des modèles utilisés
→ Former les équipes RH aux enjeux méthodologiques
→ Intégrer les exigences LPD, RGPD et EU AI Act
→ Prévoir un monitoring continu des systèmes IA
En résumé
Le recours à l'IA dans le controlling RH est un projet de transformation qui nécessite une planification et une mise en œuvre minutieuses, car le rôle du controlling RH évolue fondamentalement à l'ère de l'IA: le controlling RH de demain ne se limitera plus au simple traitement des chiffres et deviendra un partenaire stratégique capable de comprendre les implications méthodologiques, juridiques et éthiques de l'analyse des données. Cela nécessite le développement de nouvelles compétences dans les domaines de la science des données, des statistiques et de la gestion de la communication.
Le développement continu des technologies IA offre au controlling RH la possibilité de jouer un rôle central dans la conception de cette transformation. La capacité à prendre des décisions fondées sur les données tout en conservant une approche éthique et centrée sur l'humain constituera alors un avantage concurrentiel décisif.
FAQ – IA et controlling RH
L’IA peut-elle décider seule d’une promotion ou d’un licenciement ?
Non. Une décision exclusivement automatisée ayant un impact significatif est juridiquement problématique. Une supervision humaine est obligatoire.
Les People Analytics remplacent-elles le controlling RH classique ?
Non. Elles l’enrichissent en y ajoutant des capacités prédictives et explicatives.
Quel est le principal risque d’un projet IA RH ?
Une mauvaise qualité des données entraînant des biais et des décisions discriminatoires.
Une PME suisse est-elle concernée par l’EU AI Act ?
Oui, si elle traite des données de citoyens européens ou opère sur le marché de l’UE.
Par où commencer concrètement ?
Par un cas d’usage limité (ex. reporting automatisé) et une évaluation approfondie de la maturité des données.
