Recrutement prédictif : le big data au service des recruteurs

Recrutement prédictif : le big data au service des recruteurs

Le recrutement prédictif consiste à identifier et analyser des données qualitatives et quantitatives variables permettant de prédire l’adéquation d’un candidat pour un poste donné. L’objectif est de réussir du mieux possible ses recrutements et d’éviter que les candidats ne quittent leur poste prématurément, de manière volontaire ou imposée. On tente donc de répondre à deux questions principales : « Quel candidat sera le plus performant pour un poste donné ? » et « Quel candidat restera le plus longtemps dans l’entreprise ? »


Les données analysées peuvent concerner les traits de personnalité, les caractéristiques du parcours, la formation, les données démographique, etc…. Par exemple, on pourrait essayer de déterminer si tel ou tel trait de la personnalité est un bon indicateur de performance pour tel ou tel poste, ou encore d’identifier quelle caractéristique du profil d’un candidat permettrait de dire qu’il serait plus susceptible de quitter son poste plus rapidement qu’un autre. L'ensemble de ces données, que l'on peut qualifier de "mégadonnées" (big data) tant leur volume est important, est traité informatiquement grâce à des algorithmes.


Non à la discrimination, oui aux profils atypiques


Contrairement aux humains qui pourraient parfois être influencés par des éléments inappropriés (aspect physique du candidat, origines, genre, âge, …), les algorithmes ne se basent que sur des données objectives. Ils constituent donc un véritable outil anti-discrimination et permettent de faire la chasse aux préjugés : les employeurs se rendent ainsi compte que le nom de l’école n’est pas forcément synonyme de performance, que les personnes étant au chômage depuis de longues périodes peuvent, une fois employées, faire partie des collaborateurs les plus productifs car plus motivés que la moyenne, ou bien que les meilleurs commerciaux ne sont pas forcément les personnes les plus extraverties ou persévérantes. Les algorithmes vont ainsi permettre de déceler des caractéristiques jusqu’alors perçues comme secondaires et qui sont en fait vectrices de performance, et vice-versa.

 



Le recrutement prédictif permet donc, de par sa nature, d’élargir ses recherches sur des profils atypiques et de favoriser la diversité. En effet, les recruteurs ne se focalisent plus sur des profils-type, ils prennent en considération tout un environnement, cherchent à détecter des caractéristiques globales qui font du candidat le candidat idéal pour un poste donné, dans une entreprise donnée. En se basant sur des variables peu habituelles et plus pertinentes, cette méthode permet donc d’élargir le panel de recherche : on va étudier une personnalité, une originalité de parcours, plutôt que de se baser uniquement sur le dernier emploi obtenu par exemple. En fait, on cherche à valoriser le potentiel de ces variables dans le but de trouver le collaborateur idéal.

Il faut bien garder à l’esprit que cette méthode vise à enrichir et améliorer le processus de recrutement, mais en aucun cas à le remplacer. Il s’agit d’un outil additionnel.

Le recrutement classique peut être initié à partir des connaissances d’un manager, d’un collaborateur ou d’un recruteur spécialisé, qui connait sur le bout des doigts les atouts qui rendent un employé idéal pour tel ou tel type de poste. Mais en se basant sur la réussite de tel ou tel collaborateur pour chercher son double parmi les futurs candidats, le manque de recul et d’objectivité est assuré. Grâce au recrutement prédictif, ces caractéristiques pourront être identifiées à plus grande échelle, selon le profil recherché (fidélité à l’entreprise, esprit managérial, esprit créatif, …), en ayant recours au big data, afin d'éviter le recueil d’informations trop subjectives.

Le terme big data désigne le traitement informatique de très gros volumes de données numériques, structurées ou non. Contrairement aux êtres humains, les algorithmes sont en mesure de traiter des centaines de milliers d’informations, de les analyser et de les synthétiser en un minimum de temps. Le big data ne traite pas seulement de grands volumes de données, il les couple entre elles pour déterminer des variables significatives qui permettront d’élaborer un modèle analytique prédictif, ceci dans le but d’anticiper la probabilité de réalisation d’un événement.  

Pour cela, il faut dans un premier temps récolter un certain nombre de données en interne, sur les collaborateurs au sein de l'entreprise, afin de déterminer s’il existe des corrélations entre leurs données et leurs performances, de façon à, le cas échéants, faire en sorte de retrouver ces caractéristiques chez les futurs collaborateurs. On détermine alors quels critères on souhaite privilégier, en fonction des objectifs de l’entreprise. On récoltera ensuite informatiquement des données relatives aux candidats à partir de plusieurs types de sources, telles que l’analyse des CV, les profils sur les réseaux sociaux professionnels ou encore les tests de personnalité, d’aptitude, de motivation.

 

 

Avoir recours au big data lors d’un processus de recrutement consiste donc à analyser des données de masse afin de cibler des profils en fonction de caractéristiques choisies.

Le recrutement prédictif permet ainsi de diminuer le temps accordé à la présélection, pour attribuer des tâches plus qualitatives aux recruteurs. Il permet également d’obtenir des taux de performance plus élevés de la part des personnes recrutées et de diminuer le turnover dans les entreprises.


Assurer un suivi à long terme : un impératif


Cette méthode présente également un intérêt post-recrutement puisqu’elle permet d’obtenir des résultats mesurables, afin de vérifier l’efficacité d’une campagne de recrutement. Si les résultats laissent à désirer, on visera à améliorer la qualité des prédictions réalisées, en considérant des variables différentes, le but étant d’éviter de faire fausse route. Assurer un suivi systématique sur la durée est donc un impératif du recrutement prédictif.


Recruteurs et big data, un travail complémentaire


Même si certaines régularités apparaissent grâce à ces analyses, gardons à l’esprit que nous ne pouvons associer des données relatives à des êtres humains comme nous ajouterions les ingrédients d’une recette de cuisine. Il est évidemment essentiel de veiller à respecter la nature humaine et sa diversité au sein de nos structures.

Il est également essentiel de prendre en considération un point important : certaines variables sont applicables pour certains cas, pour d’autres elles peuvent s’avérer non pertinentes. Il convient donc de tenir compte de tout un ensemble de paramètres, tels que le contexte économique, social, et culturel, ainsi que le rôle du manager et des collaborateurs.

 



En parallèle, l’analytique devient un incontournable dans de nombreux domaines et il serait contre-productif de refuser de profiter de ses capacités ultra-performantes. Mais il faut donc prendre du recul : ne pas compter sur les technologies à toute épreuve et ne pas négliger les facteurs humains ni ceux relatifs à l’environnement de travail. Ainsi, on peut confier la phase de pré-sélection à l’outil informatique pour laisser le soin aux recruteurs d’accorder plus de temps et d’attention aux candidats lors des entretiens. Une attention toute particulière doit également être accordée aux règles de déontologie, d’éthique et de confidentialité, notamment en ce qui concerne la collecte des données.

Une crainte revient régulièrement dans les esprits : l’utilisation de modèles prédictifs ne conduirait-elle pas à recruter des clones ? Certes, le recrutement prédictif tend à observer des caractéristiques chez des collaborateurs pour tenter de les retrouver chez de nouvelles recrues. Cependant, la viabilité du modèle découle de la multitude de données analysées et combinées. Les probabilités de réussite sont considérées comme fortes à partir de 60% d’adéquation avec le modèle. Entre un candidat qui aurait une adéquation de 60% et autre qui attendrait 98%, une grande place est donc laissée à la diversité des profils.

Les candidats n’ont donc pas de raison de s’inquiéter : le recrutement prédictif vise à instaurer des méthodes de recrutement plus justes, à condition bien sûr qu’il soit utilisé comme il se doit.  Ils continueront à être soumis à des tests, comme c’est le cas depuis des années, à la différence que les résultats seront exploités de manière plus pointue.

On retiendra donc la nécessité de trouver le juste équilibre entre la capacité des algorithmes et les compétences des recruteurs, tout en favorisant les intérêts des entreprises, autant que celui des candidats.

 

 

Crédits images : www.fotolia.com

Notez cet article:

Sur le même sujet:

 

Commentaires

Pas encore de commentaire. Soyez le premier à commenter
Déjà inscrit ? Connectez-vous ici
Invité
mardi 27 juin 2017
Si vous souhaitez vous inscrire, veuillez saisir un nom d'utilisateur, mot de passe et nom.

Les + consultés

  Depuis quelques années, le burn-out et le bore-out marquent le paysage du monde du travail et illustrent un certain mal-être professionnel. Le dernier né de la famille des maux liés au travail ...
KPMG s’est associé à la FPF (association professionnelle Financement Participatif France) pour réaliser l’édition 2017 du baromètre de la finance participative en France. ...
Tendance durable : des évènements pour recruter !Pour de nombreuses entreprises, l’évènementiel est un nouveau canal de recrutement qui offrent une multitude d’avantages. ...
 Demander une augmentation nécessite un peu de préparation, voici quelques conseils pour se lancer !
Depuis le 1er janvier 2017, la Finlande teste l'allocation universelle et devient le premier pays européen à lancer cette initiative.

S'abonner à notre newsletter