Nous pouvons considérer que l’utilisation de Data RH est primordiale pour la mise en place d’une approche par compétences ou bien l’établissement d’une démarche GPEC dans son organisation.
Nous allons décrypter dans cet article comment générer et exploiter cette Data RH !
On parle souvent de l’IA au sein des entreprises et que prochainement cette intelligence artificielle va profondément changer le fonctionnement des Ressources Humaines.
En effet, il est vrai qu’avec suffisamment de données à traiter, les algorithmes de Machine Learning peuvent détecter des informations intéressantes pour l’entreprise. Malheureusement, les entreprises ne sont pas encore complètement entrées à l’ère de la Data dans la connaissance de leurs salariés.
Les SIRH du marché qui équipent actuellement les organisations sont trop peu utilisés pour centraliser toute la data RH fine que l’on peut avoir au sein des entreprises sur leurs salariés.
Nous avons pour l’instant au mieux de la macro-data RH que nous pouvons appeler la data administrative RH.
La donnée existe mais elle est dispersée dans différents formats, différentes sources, différentes “langues” (Macro information RH, Micro information opérationnel, etc.).
Actuellement, nous pouvons dire que les organisations sont encore au balbutiement dans la centralisation et la digitalisation de toute la data RH sur leurs collaborateurs.
Pourtant avec des contraintes comme la RGPD, il va devenir crucial d’avoir la main sur la confidentialité de cette donnée et éviter de la disperser sans contrôle.
Maintenant que le constat est fait, voyons comment centraliser et générer de la data sur le bassin de ressources des entreprises.
Pour commencer, il faut identifier les sources de données. Elles sont pourtant nombreuses et dispersées, l’enquête est donc à mener.
C’est bien souvent le quotidien des opérations qui va être le plus révélateur d’informations sur les collaborateurs.
Voici quelques exemples :
Souvent en local, les managers d’équipe à défaut de pouvoir accéder à un outil simple et agile global construisent leur grille d’analyse sur un simple excel.
Surement que l’une des plus grandes sources de données sur les collaborateurs provient d’eux-mêmes mais aussi de leurs managers avec l’information qu’ils génèrent afin de s’assurer d’une bonne connaissance de leurs équipes pour leurs opérations.
Par ailleurs, les opérations utilisent au quotidien des outils numériques qui, bien identifiés, génèrent de l’information sur les collaborateurs.
En revanche, il faudrait outil par outil identifier où se trouve la bonne information et dans quel contexte.
Par exemple :
Ces informations se trouvent en tout cas rarement sur le SIRH global de la société sinon la problématique ne serait pas là. Sur les SIRH globaux nous ne retrouvons souvent au mieux que le rapport écrit de l’entretien annuel.
Vu sous un autre angle, le premier défaut des SIRH globaux est qu’ils sont difficilement utilisables par les managers pour créer leur propre grille d’analyse sur leurs équipes.
Ils sont pourtant demandeurs d’une solution spécialisée à ce propos.
Enfin, l’auto-déclaration par les collaborateurs est une source d’information primordiale. En revanche, cela peut facilement devenir un one-shot si la mise à jour des profils n’est pas stimulée par un ou plusieurs processus clairs au sein de l’entreprise.
Si le sujet est le parcours de carrière et la mobilité interne, c’est en effet une raison pour mettre à jour son profil mais ce n’est pas régulier. Un collaborateur va aller au mieux une fois tous les 6 mois sur la plateforme dédiée pour mettre à jour son profil.
Le staffing projet peut être une source plus dynamique, à chaque fois qu’un projet tombe les collaborateurs doivent s’assurer que leur profil est à jour s’ils veulent pouvoir être staffés sur les bonnes missions.
On peut également citer comme exemple de récurrence de mise à jour des profils :
Il est donc important d’avoir un profil unique du collaborateur branché à l’ensemble des processus faisant appel à son profil. Sinon ce dernier sera rarement consulté et mis à jour.
Une fois que l’organisation s’est donné les moyens de centraliser en un lieu unique toute l’information sur ses équipes qui va lui être utile, nous pouvons envisager d’exploiter l’information de manière coordonnée.
Comme au moment de l’identification des sources, il faut identifier les cas d’usage qui vont être alimentés par une parfaite connaissance des équipes.
Ce travail n’est pas forcément simple car en fonction du quotidien des équipes les cas d’usage peuvent être totalement différents. La source est unique mais les usages sont différents.
Prenons quelques exemples :
Malgré tous les avantages que peut apporter l’IA en termes de productivité et de gain de temps dans les métiers RH, il faut noter un point d’attention.
Une IA mal éduquée peut causer un manque de diversité de profils en interne notamment au niveau du recrutement. L’IA peut par conséquent reproduire les mêmes biais cognitifs que les humains.
Comme vu précédemment, le machine learning se nourrit et apprend de la data ; il est donc déterminant de fournir un maximum de données à l’algorithme afin qu’il soit le plus efficace possible mais également d’assurer une transparence et un contrôle constant sur ces données.
Ainsi, un des principaux enjeux qui accompagne la mise en place de l’IA dans les métiers RH est la formation. Il est primordial d’éduquer les salariés RH à l’automatisation mais également de leur faire prendre conscience des avantages et des risques liés à l’IA.
Une IA bien alimentée en data et maîtrisée permettra d’automatiser des tâches fastidieuses dans les RH tout en gardant un panel de profils et de compétences riches au sein de l’entreprise.