L’impact direct de l’Intelligence artificielle sur les Ressources Humaines : ce que ChatGPT et nous avons à en dire

L’impact direct de l’IA auprès des collaborateurs et donc auprès des Directions des Ressources Humaines (DRH) constitue, selon nous, une urgence à prendre en compte, si cela n’a pas déjà été fait. Il permet aussi d’évoquer en quoi la data science peut aider les DRH dans leurs missions stratégiques : nous aborderons ici l’exemple de la fidélisation des collaborateurs et les 3 axes d’action pour l’optimiser. Nous avons aussi eu la curiosité d’interroger ChatGPT sur ces questions…

Le début de cet article a été rédigé en moins de 20 minutes avec l’aide d’un chatbot le 26 décembre dernier. Nous lui avons posé deux questions pointues et avons obtenu en quelques secondes les réponses très détaillées ci-dessous, en italique. Nous les avons ensuite relues et corrigées à la marge (nos mises à jour sont mentionnées entre crochets dans le texte).

Qu’est-ce que la Data RH ?

« Les données relatives aux ressources humaines (RH) désignent les informations liées à la gestion des employés au sein d’une organisation. Il peut s’agir d’informations telles que les noms des employés, les titres des postes, les salaires, les avantages sociaux, les registres de présence, les évaluations de performance, les registres de formation [et certains registres d’interaction comme par exemple avec l’intranet]. Les données RH sont souvent utilisées pour soutenir les fonctions des départements RH, telles que l’embauche, l’intégration, la gestion des performances et la conformité aux lois et réglementations sur l’emploi.

Les données RH peuvent être stockées sous différents formats, notamment des documents papier, des feuilles de calcul électroniques et des systèmes logiciels RH spécialisés. Il est important pour les organisations de gérer et de protéger correctement les données RH, car elles peuvent être sensibles et personnelles par nature. Cela peut impliquer la mise en place de mesures de sécurité, telles que la protection par mot de passe et des contrôles d’accès, pour empêcher tout accès non autorisé aux données.

[Certaines] données RH peuvent être analysées pour fournir des informations et éclairer la prise de décision au sein d’une organisation. Par exemple, les données RH peuvent être utilisées pour déterminer les tendances en matière de [renouvellement] du personnel, identifier les points à améliorer dans le processus d’embauche ou évaluer l’efficacité des programmes de formation. Cependant, il est important de s’assurer que toute analyse des données RH est menée de manière responsable et éthique, dans le respect des lois et règlements en vigueur. »

Qu’en est-il de l’usage de l’IA avec les données RH ?

« L’intelligence artificielle (IA) peut être utilisée de diverses manières pour soutenir les fonctions et processus RH. Par exemple, l’IA peut être utilisée pour analyser les données RH [anonymisées] afin d’identifier des tendances et des modèles qui ne seraient pas immédiatement apparents pour les analystes humains. Cela peut aider les organisations à prendre des décisions plus éclairées sur des questions telles que la rétention des employés, la formation et le développement de carrière.

L’IA peut également être utilisée pour automatiser certaines tâches RH, comme le suivi des présences et des demandes de congé, la génération d’évaluations de performance et le traitement de la paie. Cela peut aider les départements RH à gagner du temps et des ressources, et leur permettre de se concentrer sur des tâches plus complexes et stratégiques.

Il y a quelques considérations clés à garder à l’esprit lors de l’utilisation de l’IA avec des données RH. Premièrement, il est important de s’assurer que le système d’IA est entraîné sur un ensemble de données diversifié, représentatif [et anonymisé], afin d’éviter des résultats biaisés [et des utilisations non conformes à l’éthique]. Ensuite, il est important de mettre en place des garanties appropriées pour protéger la confidentialité et la sécurité des données RH, et de s’assurer qu’elles sont utilisées de manière responsable. Enfin, il est important de faire preuve de transparence quant à l’utilisation de l’IA dans les processus RH, et d’impliquer les employés et les autres parties prenantes dans le processus de décision. [En Europe, aucune décision RH impliquant le devenir des salariés ne peut être prise directement par une IA, mais une IA peut donner des Insights importants portant sur un ensemble de données anonymisées] »

Le chatbot utilisé pour rédiger cette introduction s’appelle ChatGPT, c’est une version beta conçue et ouverte récemment au public par l’organisation OpenAI. C’est une sorte de base de connaissances surpuissante, capable de générer son propre contenu textuel (une synthèse, un code informatique, un article structuré, un courrier …) à partir des demandes qu’on lui formule. Il peut aussi suggérer des corrections et des compléments à votre propre contenu.

L’IA va bouleverser toutes les manières de travailler au travers d’assistants de plus en plus présents dans les outils du quotidien.

Avec les qualités et limites de l’outil, indiquées par Didier Gaultier, Directeur de la Data Science chez Business & Decision (une Direction d’Orange Business Services), cette nouvelle initiative démontre une fois de plus que l’IA va bouleverser toutes les manières de travailler au travers d’assistants de plus en plus présents dans les outils du quotidien : rédaction des emails, analyse des tableaux de bords, analyse et réplication de tâches répétitives, conception graphique… Microsoft ayant d’ailleurs déjà investi 1 milliard de dollars, il est très probable que leur déploiement des services développés par OpenAI ne se limite pas à la plateforme Microsoft Azure ni à la plateforme de développement Microsoft Visual Studio…

Avec les assistants, les solutions low-code, l’automatisation des tâches, la personnalisation contextuelle en temps réel… le collaborateur devient augmenté (terme générique permettant d’englober ces multiples aides). C’est un immense changement qui impose aux collaborateurs de se repositionner, d’affirmer certaines compétences et d’en développer d’autres. Les Directions des Ressources Humaines (DRH) ont donc un énorme chantier devant elles.

Un vaste chantier vis-à-vis des collaborateurs…

Vis-à-vis des collaborateurs, il s’agit d’un impact à anticiper dans la Gestion Prévisionnelle des Emplois et des Compétences (GPEC) et dans les actions d’accompagnement au changement qui devront se dérouler sur plusieurs années. Jacques de Parcevaux, Directeur de l’agence Conseil et Expertise de Business & Decision Nord Île-de-France, précise ainsi qu’il y a « un enjeu sociétal qui dépasse largement le paradigme de l’acculturation, de la formation ou de la GPEC classique ». Il ne s’agit pas uniquement de faire accepter l’IA, il s’agit de :

• Redéfinir les métiers, les pratiques quotidiennes et les compétences nécessaires ;
• Convenir des périmètres et des limites de l’usage de l’IA dans l’organisation (charte) ;
• Former les collaborateurs aux nouveaux outils ;
• Revisiter certains processus métier ;
• Faire prendre conscience des limites des IA mises en place (par exemple, une IA doit être entrainée régulièrement pour rester pertinente).

La R&D de Business & Decision participe à la mise à jour des référentiels Métier chez l’opérateur Orange. Elle est également membre du consortium chargé de définir, pour le gouvernement français, les compétences dans l’IA et la Data de demain (le consortium regroupe aussi La Poste, Numéum, l’ESSEC et la Société Générale ; il est coordonné par la Banque des Territoires).

… et vis-à-vis des DRH

Ce vaste chantier concerne aussi les DRH elles-mêmes d’autre part. Leurs fonctions support sont en effet perpétuellement « challengées » (comme un centre de coût) et leur organisation pourra être révisée annuellement au regard de l’évolution technologique et des multiples modèles économiques possibles. Leurs fonctions stratégiques, en revanche, peuvent être renforcées avec la data science pour aller au-delà du bilan social exigé par la loi et attendu par plusieurs instances pour nourrir le dialogue social.

Comment renforcer les fonctions stratégiques des DRH avec la data science et leurs données ?

Les DRH disposent en réalité déjà d’un gisement de données très important pour produire et analyser leurs rapports. Mais à partir d’une certaine taille d’entreprise, entre les différents formats de données, la qualité de l’information recueillie et le besoin d’anonymiser toutes les informations, la simple consolidation des données est aujourd’hui un travail colossal.

Prenons l’exemple des comptes-rendus d’entretiens annuels : plusieurs services RH d’un groupe peuvent ne pas avoir aligné leurs outils, leurs formats ni même cherché à simplifier la remontée et la consolidation d’information par quelques cases à cocher ou par quelques critères d’évaluation graduée en amont. Faut-il alors tout remonter en brut dans un environnement centralisé avec de très nombreuses transformations de données ou bien se limiter à quelques données clés pour lesquelles la consolidation est une absolue nécessité ?

• En langage data science, nous dirions « construire un feature store centralisé » et y multiplier l’industrialisation des features, grâce au data engineering et à quelques solutions adéquates.

• Les features sont à construire progressivement en fonction des besoins, en commençant par les données les plus pertinentes pour mener les analyses prioritaires. Nous recommandons de s’inspirer de la grille d’analyse héritée du design thinking et utilisée depuis quelques années par Business & Decision chez plus d’une centaine de clients pour (re)créer les tableaux de bord à partir des critères de sélection que sont la désirabilité, la faisabilité et la viabilité.

• Il existe également des méthodes statistiques spécifiques pour tester la pertinence d’une information au regard de l’analyse recherchée. Dans le cadre d’un programme de formation à l’usage de la data science pour un grand groupe bancaire, via l’École de la Data et de l’IA, nous avons ainsi pu assister à un test intéressant de pertinence de données externes pour anticiper le risque d’attrition des collaborateurs. Il s’est avéré que certaines données externes complétaient bien l’analyse initiale à partir des comptes-rendus d’entretien (la fiabilité de la prédiction s’en trouvait renforcée).

Considérant l’effort nécessaire pour remonter l’information RH, il est donc recommandé de généraliser ces tests de pertinence et de croiser les expérimentations avec :

• Les enquêtes qualitatives auprès des collaborateurs et des ex-collaborateurs (exemple : les entretiens de départ menés par les responsables et/ou les RH mais aussi des entretiens menés par des cabinets tiers experts).

• Les travaux universitaires, comme par exemple l’analyse anonymisée et comparative des interactions digitales (emails, rdv, vidéo-conférences …) qui peuvent aider à détecter des signaux faibles (isolement, surcharge, désintérêt progressif, participation …) à titre individuel ou au niveau d’une équipe (ce qui peut être mieux accepté par les syndicats).

• Les différentes entités, régions ou activités du groupe puisque la data science apportera probablement une contribution unique si on lui demande de chercher à identifier et à expliquer les différences entre des entités.

La data science peut également servir à s’interroger sur l’impact réel d’un événement se produisant dans une région, dans une agence ou même potentiellement dans la vie du collaborateur.

A titre d’illustration, nous sommes techniquement capables de mesurer précisément les effets d’une campagne publicitaire en distinguant son impact des tendances générales et des autres événements. En ce qui concerne le taux d’attrition des collaborateurs, la data science peut donc théoriquement servir à identifier les anomalies de la même manière (au bémol près de la gestion de la confidentialité des données).

La data science peut également servir à s’interroger sur l’impact réel d’un événement se produisant dans une région, dans une agence ou même potentiellement dans la vie du collaborateur (naissance, divorce, achat d’une maison, changement de responsable, déménagement du lieu de travail …). Dans ce cas, il est intéressant de combiner les travaux en data science avec des études qualitatives et des ateliers Métier.

La DRH peut-elle influencer la fidélité des collaborateurs avec la data science ?

En Commerce, il est fréquent d’utiliser la data science pour calculer un score d’attrition des clients, c’est-à-dire de chercher à évaluer son risque de partir à la concurrence en fonction des transactions et des interactions connues. Ceci est souvent nécessaire à cause du volume trop important de clients qu’un commercial doit suivre ou tout simplement parce qu’il n’y a aucun commercial dédié pour suivre les clients individuellement.

En matière RH, l’environnement est généralement différent et plus confidentiel. D’une part, l’application directe de l’IA pour qualifier les collaborateurs n’est pas forcément acceptable pour tous les collaborateurs et les instances représentatives.  D’autre part, la perception du collaborateur est quotidiennement influencée par l’ambiance professionnelle autour de lui. C’est pourquoi, pour permettre à la DRH d’avoir une influence positive sur la fidélité des collaborateurs à partir de la data science, il nous semble nécessaire que les travaux cherchent au-delà d’un score de risque calculé nominativement.

3 axes pour optimiser le taux de fidélité des collaborateurs

Pour influencer le taux de fidélité des collaborateurs, nous suggérons aux DRH d’exploiter la data science à plusieurs niveaux : 

• Identifier les tendances générales par métier et ses variations habituelles, par exemple selon les régions, les agences ou les périodes de l’année. L’identification des tendances générales permet ensuite 1) d’identifier les anomalies (locales, ponctuelles), 2) de chercher à comprendre les facteurs expliquant les variations pour ensuite les traiter et les anticiper. Les facteurs peuvent être endogènes ou exogènes, ils deviennent ensuite des signaux forts à surveiller.

• Exploiter les signaux forts et les alertes remontées directement par les collaborateurs, les responsables ou les réseaux sociaux (exemple : une plainte, un incident, un déménagement du lieu de travail, la démission d’un directeur, une mauvaise réputation identifiée sur les réseaux sociaux…). Ces signaux forts pourront aussi alimenter une table de faits, exploitable ensuite pour continuer à enrichir les modèles explicatifs précédents.  

• Synthétiser les signaux faibles à partir des données individuelles, contextualisées (exemple : l’évaluation d’un entretien annuel, le niveau de tension du marché du travail au regard de l’employabilité du collaborateur, le niveau de salaire du collaborateur par rapport à la moyenne de ses confrères et ses demandes d’augmentation, des souhaits d’évolution de carrière et son ancienneté dans le poste …). Les signaux faibles peuvent être synthétisés dans des scores d’attrition. Leur impact peut également être testé sur de large populations anonymisées de collaborateurs.

En conclusion, la data science peut réellement soutenir les travaux des DRH en matière de collecte, d’analyse et d’exploitation de nombreux signaux. A la différence de bien d’autres cas d’usage, l’enjeu n’est pas le manque de données disponibles ni le manque d’imagination pour aller en chercher encore plus ! C’est plutôt la capacité à industrialiser le traitement de ces données, dans une démarche éthique, tout en sachant que la fidélité d’un collaborateur, comme sa motivation, provient de multiples facteurs. C’est pourquoi il nous a semblé essentiel de distinguer l’environnement du contexte personnel.

En revanche, les 3 axes identifiés ici sont plutôt « défensifs » (éviter la démission). Nous aborderons donc dans un prochain article, en quoi la data RH et data science peuvent aider à faire évoluer les collaborateurs.

❗ Remarque : rien dans cet article ne doit pousser une Direction à utiliser des données sensibles à l’insu ou sans l’accord des collaborateurs. Une démarche éthique de la donnée en amont est donc indispensable à toute entreprise dans ce sens en IA. A ce sujet nous vous recommandons la lecture du livre blanc édité par Business & Decision et téléchargeable : Data / IA éthique : les 2 visages d’un futur responsable.

👉 Retrouvez toute notre actu en temps réel en nous suivant sur LinkedIn 👈