Image faite à l'aide de Dall-E 2
La RH, un foutoir de données, de sciences et d'animaux à deux pates
La gestion des ressources humaines est un domaine complexe où les décisions reposent essentiellement sur le jugement, l'expérience et donc malheureusement, sur les préjugés personnels. Ces décisions coûtent cher aux entreprises, car la grande partie de leurs dépenses concernent les salaires. Les professionnels des RH cherchent constamment à déterminer les meilleures pratiques en combinants différentes sciences : management, psychologie, économie, etc... et malgré des efforts colossaux (je vous assure qu'on essaie) l'être humain reste limité dans sa capacité à conjuguer la multitude de champs théorique auxquelles il est confronté. De plus, l'humain, comme chaque animal, est soumis à un ensemble de biais cognitif ainsi qu'à une bande passante limité. Difficile dans ces cas là d'établir la moindre fiche de poste ou de juger du bienfondé de la promotion ou de l'augmentation d'un collaborateur.
Pour palier à ces écueils, la fonction RH a développé tout un arsenal d'outils qui permet, tant bien que mal de : conserver une trace du comportement du collaborateur (interviews, questionnaires), mesurer se performance (la fameuse grille à quatre colonnes) et de quantifier le climat social de l'entreprise (turnover, taux de démission, etc...).
La majeur partie du travail fournie par la RH est sous forme de textes et d'images
Pour les indicateurs classiques, pas de trop de problèmes, ça marche assez bien. La seul chose qui manque à ce niveau serait le côté analytique plutôt que descriptif (connaitre son taux de démission, c'est bien, savoir pourquoi les gens démissionnent, c'est mieux). On se heurte ici à un problème de formation du personnel RH (trop peu sont issues de filières scientifiques). Pour ce qui est des process plus "intangibles" et, à priori, moins automatisable (process d'embauches, création de contenus, promotions), c'est une autre pair de manches. Le problème, c'est que c'est justement là que se concentre l'essentiel des tâches en RH. Identifier et décrire des poste types, faire des fiches de postes avec des compétences clés associées, analyser des CV, des lettres de motivation et des interviews orales ou écrites, bref. Tout ce tintouin est très long et demande énormément d'effort mental ainsi qu'un cadrage bien ficelé pour ne pas s'y perdre.
Essayez faire une analyse des compétences, de l'expérience et de l'adéquation de votre main-d'œuvre, vous serez rapidement enseveli sous des montagnes de données non structurés (i.e du texte, des images, des videos et du son). Il vous sera cognitivement impossible d'ingérer toute ces informations. Heureusement, des gens très très intelligents nous fournissent depuis peu des outils capables de tirer de l'information (et de la valeur) de cette amas informe.
Comment l'IA générative et les modèles de langage peuvent nous aider ?
Eh bien, même si nous en sommes encore aux premiers jours, permettez-moi de proposer l'idée que cette nouvelle branche de l'IA a le potentiel de réinventer totalement le fonctionnement de nombreuses parties des RH. Trois petites idées :
1/ Créer du contenu pour les descriptions de postes, les guides de compétences, les plans d'apprentissage, et les outils d'intégration et de transition.
J'ai toujours pensé que la meilleure façon de « décrire un emploi » était d'observer ce que les gens font. Si vous observez, capturez et analysez quelques mois de travail, vous pourriez littéralement « rédiger la description de poste » basée sur le travail réel. Eh bien, l'IA générative peut faire cela.
En analysant toutes les biographies, les historiques de travail, les outils et supports de votre organisation, l'IA peu inférer un résultat selon une demande qui vous avez spécifié :
"Rédige moi une fiche de poste pour commercial du département X" -> Elle vous donne une description du poste et propose différentes rédactions d'offres d'emploi réalistes basées sur des rôles réels de votre organisation.
« listes toutes nos formations commerciales et produits » et « donne moi un aperçu de ce que les gens doivent apprendre et connaître. » -> Elle vous construit les listes, et vous aide à construire des guides d'apprentissage.
Tout ça, en quelques heures, plutôt que des jours voir des semaines ! Et la beauté de la chose réside dans son extensibilité. On peut reproduire cette idée dans n'importe quelle domaine.
2/ Créer des modèles de compétences, des modèles d'expérience et des profils de candidats pour le recrutement
Le deuxième domaine, et probablement le plus important de cette liste, est le recrutement. Vous savez tous combien il est difficile de trouver, d'évaluer et de sélectionner la « bonne personne » pour un emploi. En ce moment, la tendance est l'embauche basée sur les compétences. Mais qu'est-ce que cela signifie vraiment ? Cela signifie-t-il que cette personne a réussi un test dans un certain outil ou langage de programmation ? Cela signifie-t-il qu'ils l'ont fait 100 fois auparavant ? Ou cela signifie-t-il qu'ils ont travaillé dans une entreprise qui était vraiment douée dans ce domaine et qu'ils ont probablement beaucoup appris là-bas ?
Vous voyez, c'est compliqué. Supposons que vous puissiez parcourir des millions de profils d'employés, puis examiner le « travail qu'ils ont fait » (c'est-à-dire analyser Github, les articles écrits, les mémoires juridiques, etc.) et ensuite décider « à quel point » cette personne est douée pour ce travail ? Ce serait presque impossible à faire manuellement, mais l'IA générative peut le faire. Et elle peut faire bien plus encore.
Supposons qu'elle examine la biographie et l'historique professionnel de d'une personne, puis les compare à d'autres candidats. Elle pourrait probablement vous dire qui a un niveau d'éducation plus élevé, qui a une meilleure orthographe et quelles autres caractéristiques personnelles varient. Ce type d'analyse appliqué à des millions de candidats à l'emploi peut aider les recruteurs à trouver la personne spécifique (« aux compétences particulière ») qui pourraient prendre ce poste difficile à pourvoir.
Et en passant, on peut éliminer les biais de genre, d'âge, de race, et plus encore. Ainsi, non seulement ils sont potentiellement plus utiles, mais ils sont également susceptibles d'être « plus sûrs » également qu'un humain !
3/ Analyser et améliorer la rémunération, les références salariales et les récompenses
Un troisième défi massif dans les RH est « combien payer les gens » et « quels avantages fournir ». C'est un sujet très (très très) délicat. Il n'existe pas une entreprise sur terre qui n'est pas de problèmes d'équité salariale et avec l'inflation qui augmente et les salaires qui varient en fonction de la demande, les départements des RH ont beaucoup du mal à suivre.
L'IA générative peut rapidement effectuer des comparaisons salariales, évaluer les niveaux de rémunération parmi des millions d'emplois ouverts et analyser les données internes à l'entreprise pour aider à comprendre la rémunération concurrentielle, les récompenses, les incitations et d'autres programmes d'avantages. Aujourd'hui, la plupart des entreprises essaient de faire cela en embauchant des boites consultants coûteuses. Bientôt vous pourrez obtenir les résultats vous-même.
La question de l'équité salariale est également un casse-tête à résoudre. Les gens obtiennent en général des augmentations pour des raisons politiques et, avec le temps, nous nous retrouvons avec des employés, surpayés par rapport à leur salaire de marché et clairement au dessus de leur apport dans l'entreprise. Les entreprises détestent essayer de résoudre ces problèmes.
Pour résumer, les récents développement en IA vont avoir un impacte important dans les ressources humaines. Auparavant, il était impossible pour un ordinateur de générer un réponse ou un contenue selon une demande spécifique. Cette nouvelle capacité s'ancre parfaitement dans les process RH et son utilisation va permettre un énorme boost de la productivité. J'ai vraiment hâte de voir ce les logiciels qui vont être développé, ça promet !
Stay tuned !
Votre serviteur,
Thomas
Comments