People Analytics: Comment l’IA transforme les décisions RH
Contenu
- Comment l'IA et la People Analytics transforment-elles réellement la prise de décision en ressources humaines ?
- Cas 1: People Analytics et recrutement - le vivier de talents caché
- Cas 2: L’IA dans le diagnostic managérial - de meilleures performances plutôt que des entretiens plus agréables
- Cas 3: Décomposer les postes, repenser le travail - de la peur à l’augmentation
- Cas 4: Repenser la gestion des connaissances - apprendre plutôt qu’archiver
- Le jeu change, et les RH peuvent façonner le prochain coup
- FAQ: People Analytics
EN BREF
La People Analytics combine données et intelligence artificielle pour objectiver les décisions RH au-delà de l'intuition. Cette approche permet de réactiver des viviers de talents dormants, de réduire les biais cognitifs lors des entretiens et de décomposer les postes de travail pour identifier les gains de productivité nets. L'enjeu n'est plus technique, mais stratégique : savoir quelles questions poser à ses données pour créer une valeur mesurable.
À retenir:
- L'IA transforme le recrutement d'une recherche réactive en un système proactif de gestion des talents.
- Les diagnostics assistés par IA réduisent significativement les biais liés au genre par rapport aux entretiens humains.
- La décomposition des tâches par l'IA permet de calculer le « AI Tax » et d'évaluer le gain de temps net réel.
- La gestion des connaissances passe de l'archivage administratif à l'exploitation active du savoir implicite via les LLM.
- Seules 15 % des organisations exploitent actuellement l'IA pour générer une vraie valeur ajoutée en RH.
Silvan Winkler
Dr Silvan Winkler dirige le département Diagnostic & Projets de Jörg Lienert SA et est membre de la direction. En tant que docteur en psychologie organisationnelle, il possède une expérience de direction dans les domaines du diagnostic managérial, de la recherche sur les employés et l'organisation ainsi que de l'analyse du capital humain.
Aides de travail appropriées
Comment l'IA et la People Analytics transforment-elles réellement la prise de décision en ressources humaines ?
Le baseball, sport axé sur la performance et profondément ancré dans l’histoire des États-Unis, permet de comprendre immédiatement le pouvoir que pourraient également avoir les décisions fondées sur les données dans les ressources humaines. Lors de discussions avec des managers, je vois alors souvent une brève lueur dans leur regard: l’immense potentiel des décisions de personnel fondées sur les données devient, l’espace d’un instant, parfaitement clair. Et cette clarté correspond exactement à ce que la gestion moderne des ressources humaines devrait en réalité être capable d’apporter. Pourtant, cela reste souvent un simple déclic. Non pas parce que l’idée serait fausse, mais parce que sa mise en oeuvre est liée à de nombreux obstacles - ou du moins l’était. Car Moneyball raconte une histoire datant d’une époque où les données étaient rares, la puissance de calcul limitée et les analyses coûteuses. Le film de 2011, avec Brad Pitt dans le rôle principal, décrit un bouleversement qui était alors révolutionnaire. Aujourd’hui, il paraît aller de soi - du moins dans le monde du sport: rares sont les retransmissions télévisées qui n’intègrent pas à leurs commentaires des statistiques sur la possession du ballon, les déplacements ou les passes décisives. Pourtant, Moneyball n’a jamais été seulement un film sur les chiffres. C’était un film sur le courage de remettre en question de vieilles certitudes. Les RH se trouvent aujourd’hui à nouveau exactement à ce point. À une différence près: les possibilités analytiques sont désormais beaucoup plus facilement accessibles qu’il y a encore quelques années.
Ce qui manque à l’approche Moneyball dans le contexte des RH, c’est une mise à jour - une mise à jour intégrant les possibilités de l’intelligence artificielle. Car les limites qui étaient encore omniprésentes il y a quelques années (p. ex. savoir-faire, intelligence artificielle, puissance de calcul) sont aujourd’hui plus abordables et plus faciles d’accès que jamais. Le véritable facteur limitant est plutôt l’absence d’une vision de ce que l’analytique RH pourrait réellement accomplir à l’ère de l’IA. Ou, comme le formule avec concision Ethan Mollick, professeur à Wharton: «What’s scarce is knowing what to ask for.»1
Je montre ci-après, à l’aide de quatre exemples concrets, comment cette discipline pourrait évoluer en tant que discipline et enfin générer la valeur ajoutée espérée.
Cas 1: People Analytics et recrutement - le vivier de talents caché
Un exemple particulièrement parlant est la réutilisation des données d’anciens candidats. Cela paraît évident au premier abord - et reste pourtant souvent inexploité dans la pratique. De nombreuses organisations disposent d’un immense trésor enfoui dans leur propre cave sans même en avoir conscience: des candidats qualifiés qui, par le passé, ont échoué de peu ou ne correspondaient pas au profil recherché à l’époque peuvent être réactivés. Aujourd’hui, l’IA peut lire les profils historiques davantage sous l’angle des compétences, les comparer aux exigences actuelles et identifier les personnes qui auraient une forte probabilité de réussir (avec une justification transparente des compétences particulièrement adaptées et des domaines dans lesquels un développement serait réaliste). Avec la People Analytics, cela transforme fondamentalement le recrutement: on passe de recherches ponctuelles à un système apprenant qui gère activement les viviers de talents. Autrement dit: de la recherche réactive à la réactivation proactive.
Plusieurs grandes entreprises suisses utilisent déjà de telles approches de manière productive. Les effets sont mesurables: réduction du délai de recrutement, baisse des coûts, meilleure adéquation - et, surtout, une Candidate Experience nettement améliorée, parce que les candidats ne «disparaissent» pas simplement, mais sont pris au sérieux en tant que membres d’un vivier de talents.2
Cas 2: L’IA dans le diagnostic managérial - de meilleures performances plutôt que des entretiens plus agréables
Dans la People Analytics, l’utilisation de l’IA dans le diagnostic managérial pourrait être particulièrement sensible (et en même temps particulièrement efficace). Une étude de grande ampleur montre, par exemple, que les entretiens assistés par l’IA surpassent les entretiens menés par des humains pour tous les critères pertinents: davantage d’offres d’emploi, davantage de prises de poste, meilleure rétention après 30 jours. Fait remarquable, les recruteurs s’attendaient au préalable à de moins bonnes performances de l’IA, mais ont ensuite mieux évalué les entretiens menés par l’IA. 78% des candidats préfèrent un entretien avec une IA lorsqu’ils ont le choix - avec un niveau de satisfaction identique. Parallèlement, le biais lié au genre est presque divisé par deux: 3,3% avec l’IA contre 6,0% lors d’entretiens humains.3 Il ne s’agit pas d’un plaidoyer contre l’humain dans le diagnostic. Il s’agit d’un plaidoyer pour de meilleures décisions - et pour la reconnaissance lucide du fait que même des professionnels expérimentés peuvent être soumis à des biais systématiques.
Recommandations de séminaires
Cas 3: Décomposer les postes, repenser le travail - de la peur à l’augmentation
De nombreux responsables RH sont confrontés au même défi: comment exploiter le potentiel de productivité de l’IA à l’aide de la People Analytics sans ignorer les craintes du personnel? Ici aussi, un état d’esprit analytique est utile. Les profils de poste classiques considèrent en effet majoritairement les emplois comme des unités stables. L’IA nous oblige désormais à regarder de plus près en décomposant les emplois en tâches individuelles. Il devient ainsi possible d’identifier très précisément les potentiels d’augmentation et d’automatisation. La conséquence? Le potentiel de l’IA devient plus tangible et les inquiétudes du personnel se transforment idéalement en un sentiment de soutien réel - comme si une nouvelle collègue dotée de capacités insoupçonnées venait prêter main-forte.4
Cette perspective aide les organisations à repenser le travail - dans le sens de modèles organisationnels orientés tâches (p. ex. l’holacratie), qui structurent les responsabilités autour des tâches plutôt que de rôles rigides. L’«AI Tax» est déterminante: ce n’est pas l’économie brute qui compte, mais ce qu’il en reste après vérification, correction et sécurisation. Gain de temps net = gain de temps grâce à l’IA - (prompting + contrôle + qualité + correction des erreurs + protection des données/compliance).
Cas 4: Repenser la gestion des connaissances - apprendre plutôt qu’archiver
Du point de vue de la People Analytics, un autre domaine présente un potentiel énorme: la gestion des connaissances. Aujourd’hui encore, de nombreuses organisations consacrent beaucoup de temps à des guides, des diagrammes de flux et des documentations de processus - souvent avec un succès mitigé. Dans de nombreux cas, ce sont les connaissances implicites (expérience, heuristiques et logiques de décision) qui font cruellement défaut lorsque des personnes quittent l’organisation. Comme dans la recherche sur l’IA, une leçon amère se dégage également ici dans la gestion des connaissances RH:5 à long terme, ce ne sont pas les modèles de connaissances parfaitement conçus qui réussissent, mais les systèmes qui permettent de tirer ultérieurement des modèles et des règles pertinents à partir d’un grand nombre de données imparfaites.
Checklist pratique
- Auditer les bases de données historiques de candidats pour identifier les profils non retenus mais compétents.
- Définir des critères de compétences objectifs pour la réactivation proactive des viviers de talents.
- Mettre en place un pilote d'entretien assisté par IA pour mesurer l'impact sur la rétention et les biais.
- Cartographier les tâches actuelles des postes clés pour distinguer automatisation et augmentation humaine.
- Calculer le « AI Tax » en intégrant les coûts de contrôle, de correction et de conformité dans le ROI.
- Identifier les détenteurs de connaissances critiques (heuristiques, logiques de décision) avant leur départ.
- Développer des CustomGPT ou interfaces contextuelles pour rendre le savoir implicite accessible en temps réel.
- Intégrer la protection des données et l'éthique comme cadres de conception dès le départ des projets analytiques.
Pour la première fois, l’IA permet non seulement d’archiver ces connaissances, mais aussi de les rendre activement utilisables. Les collaborateurs peuvent accéder, selon le contexte, aux connaissances pertinentes, les retours d’expérience deviennent repérables et les processus d’apprentissage organisationnel s’accélèrent considérablement. La gestion des connaissances passe ainsi d’une obligation administrative à un facteur stratégique de productivité. Les grands modèles de langage sont capables de mener des entretiens structurés de manière adaptative, de poser des questions complémentaires et de synthétiser systématiquement les déclarations. De premières solutions allant dans ce sens sont disponibles sur le marché. Plus directement encore, des CustomGPT peuvent être créés à partir d’entretiens de départ dialogués et bien structurés.*
Le jeu change, et les RH peuvent façonner le prochain coup
Formation pratique: pilotez votre stratégie RH par la donnée avec l’analytique et l’IA.
Dans une People Analytics responsable, une partie de ces cas d’usage peut encore sembler relever de la science-fiction aujourd’hui. Et oui: dans les quatre cas, la protection des données, la compliance et l’éthique doivent être prises en compte dès le départ - non comme des freins, mais comme des alliées de solutions viables et dignes de confiance. Elles fournissent le cadre dans lequel le progrès analytique peut réellement changer d’échelle. Ceux qui restent malgré tout passifs seront tôt ou tard dépassés. Des études récentes montrent que seules quelque 15% des organisations utilisent déjà l’IA de manière à créer une réelle valeur ajoutée, tandis que les 85% restantes risquent de se laisser distancer.
Il m’arrive encore aujourd’hui, dans un auditoire, de montrer la bande-annonce de Moneyball et d’entendre la dernière phrase de Brad Pitt: «Si nous réussissons avec ça, nous aurons changé le jeu pour toujours.» Puis le silence se fait brièvement. Pas à cause du film. Mais à cause de la question qui reste tacitement dans la salle: qu’attendons-nous encore? Voulons-nous façonner le jeu ou regarder les autres le faire?
Notes
1 Ethan Mollick, «Management as AI Superpower».
2 Workday, Global Workforce Report.
3 Étude SSRN, abstract 5395709.
4 Ethan Mollick, «The Cybernetic Teammate».
5 Sutton, R. S. (2019). The Bitter Lesson. Article de blog.
FAQ: People Analytics
L'IA remplace-t-elle les recruteurs humains dans les entretiens ?
Non, elle les assiste. Les études montrent que les entretiens assistés par IA surpassent souvent les entretiens purement humains en termes de pertinence et de réduction des biais, mais l'humain reste indispensable pour la relation et la validation finale.
Qu'est-ce que le « AI Tax » dans le contexte RH ?
C'est le concept qui rappelle que le gain de temps brut grâce à l'IA doit être réduit des efforts nécessaires pour vérifier, corriger et sécuriser les résultats. Le gain net est ce qui reste après ces contrôles qualité et compliance.
Comment gérer les craintes du personnel face à l'automatisation ?
En adoptant une approche analytique transparente : décomposer les postes en tâches montre où l'IA aide (augmentation) plutôt qu'elle ne supprime pas. Cela transforme la peur en sentiment de soutien, comme si une nouvelle collègue venait prêter main-forte.
Pourquoi la gestion des connaissances est-elle cruciale avec l'IA ?
Parce que l'IA permet enfin d'exploiter le savoir implicite (expériences, heuristiques) qui se perd quand des collaborateurs quittent l'entreprise. Elle transforme l'archivage passif en outil stratégique de productivité et d'apprentissage organisationnel.
