L’intelligence artificielle a fait son apparition dans de nombreux pans de nos vies personnelles et professionnelles. Si nous ne rechignons pas à questionner Siri et autres Alexa pour programmer notre playlist ou chercher une recette de cuisine à réaliser avec les restes du frigo, la réticence à utiliser ces technologies au travail s’exprime davantage.
La peur d’être remplacé par les robots doit-elle prendre le pas sur les nombreux avantages que confère l’IA au quotidien du responsable des ressources humaines ?
D’un côté l’humain, de l’autre la machine. La relation entre les deux, c’est un peu l’histoire du Dr Frankenstein qui, jouant aux apprentis créateurs, s’effraie du monstre qu’il a engendré.
C’est un équilibre à trouver entre la crainte d’être dominé et l’envie de repousser toujours plus loin les limites de la connaissance.
Face aux évolutions du marché du travail et des paradigmes à l’œuvre dans l’entreprise, les services de ressources humaines sont incités à mettre de côté la première pour explorer les possibilités que leur offre un ensemble de technologies qui a le vent en poupe : l’intelligence artificielle (IA).
Celle-ci apparaît en effet comme une réponse pertinente pour répondre aux enjeux de la gestion des compétences, segment critique des politiques RH.
Prédire les compétences plutôt que les métiers
L’IA existe comme domaine de recherche à part entière depuis la moitié du XXe siècle. Dans son rapport de mission paru en 2018, le mathématicien Cédric Villani la définit comme l’objectif ambitieux de « comprendre comment fonctionne la cognition humaine et la reproduire ; créer des processus cognitifs comparables à ceux de l’être humain ».
Conjuguée au big data ou données de masse, l’IA a vu ses capacités décuplées. En parallèle, l’automatisation de l’apprentissage par la machine et ses algorithmes a propulsé cette science prédictive dans une nouvelle ère, porteuse de nombreuses applications concrètes potentielles, dont la gestion des compétences.
Confrontées à la pénurie actuelle de candidats à l’embauche et à l’incertitude quant à l’avenir de certains métiers, les entreprises n’ont d’autres choix que de miser sur ce nouveau standard, plus dynamique.
Dans une intervention lors du séminaire Jeunes Pro RH, en septembre dernier, Paul Courtaud, CEO de Neobrain, acteur français de l’IA, constatait : « Prédire les métiers qui disparaîtront et ceux qui émergeront, on ne sait pas […] L’enjeu est peut-être surtout de permettre aux jeunes de développer les compétences nécessaires pour que, quel que soit le libellé de leur métier, ils arrivent à être employables dans la durée. À ce moment-là, l’IA intervient comme un moyen de résoudre un problème – de visibilité sur le marché – et non comme une fin ».
▶️ La gestion des compétences va-t-elle disparaitre ?
Mesurer le fossé des compétences
Force est de constater que les problématiques de compétences que l’IA aide à résoudre sont nombreuses, à commencer par leur cartographie.
Long et fastidieux à réaliser pour un être humain, parce qu’il nécessite de compiler et de croiser des tonnes d’informations, ce travail de référencement se révèle, en outre, difficile à actualiser.
Alors même que l’OCDE estime la durée de vie et d’utilité des savoir-faire techniques à deux ans, la plupart des référentiels demeurent des documents figés et rapidement périssables.
Un état des lieux de la compétence à jour est pourtant essentiel à la compétitivité et à la pérennité d’une entreprise. C’est à partir de cette démarche qu’elle pourra clarifier ses besoins futurs et chercher à combler le fossé qui la sépare actuellement de ses objectifs à court, moyen et long termes.
Pour l’IA, traiter et hiérarchiser ces masses données est un jeu d’enfant. Il s’agit même de la meilleure « nourriture » qui soit.
En effet, la machine apprend et devient plus efficace à mesure qu’elle absorbe des informations. Plus la quantité à ingérer est importante, plus la capacité d’analyse s’affine. Y recourir permet ainsi de gagner du temps, de l’argent et de l’agilité.
Une fois le référentiel et la cartographie en place, les RH ont toute latitude pour réfléchir aux solutions : soit développer la compétence en interne ou recruter.
Dans les deux cas, l’IA est également un auxiliaire décisionnel, notamment en proposant d’associer certains profils à des parcours de formation ou à des postes à pourvoir.
Personnaliser l’expérience de formation grâce à l’IA
En tant que RH ou responsable formation, vous avez sans doute déjà entendu parlé de l’adaptive learning.
Cette méthode, dont l’objectif est d’ajuster en temps quasi-réel l’enseignement dispensé, en termes de contenus, de rythme, de niveau ou encore de ressources pédagogiques, s’appuie en effet sur l’IA.
En exploitant les tests de positionnement auquel est soumis chaque apprenant en début de cursus et en repérant son empreinte, l’adaptive learning suggère un parcours sur-mesure et personnalise l’expérience du collaborateur. Cette expérience ressort aujourd’hui comme un levier incontournable de rétention des salariés.
Parmi les promesses des sociétés pourvoyeuses de solutions d’apprentissage adaptatif, souvent couplé à du micro-learning, un taux d’engagement bien plus élevé qu’avec d’autres approches pédagogiques. Alors que les entreprises peinent à inciter leurs équipes à entrer en formation et à y rester, il s’agit d’un indicateur-clé de la performance, tant du point de vue de la pédagogie que de celui de l’investissement coût/temps. Le taux de réussite final augmenterait également grâce aux enrichissements apportés par l’IA.
Le fournisseur Didask revendique par exemple être parvenu à fidéliser 75% des apprenants de sa communauté d’utilisateurs d’un bout à l’autre des parcours suivis.
L’un de ses concurrents, Domoscio, avance quant à lui un recul de l’échec sur ses cursus de 49%.
D’après Fabienne Bouchut, cheffe de projet innovation chez Cegos, l’IA accompagne en parallèle le formateur. « Elle lui fournit des recommandations spécifiques liées à chaque apprenant [ou] au groupe et le débarrasse des tâches sans valeurs ajoutée pour former », écrit-elle.
L’IA permet par ailleurs de livrer un feedback immédiat à l’apprenant sur ses tâches en cours, et plus seulement à l’issue du programme.
Une logique d’amélioration continue qui participe à la mise en œuvre d’une culture de l’agilité et de l’apprenance au sein de l’entreprise, et fournit à cette dernière les armes de sa compétitivité à long terme.
Les robots de tutorat, autrement appelés robots coachs, peuvent de leur côté seconder les humains pour énoncer les critères d’évaluation, puis valider les compétences assimilées, mais aussi déduire à partir de toutes les données collectées des conseils personnalisés, dispenser des encouragements et aider les apprenants à ancrer leurs nouveaux savoirs, ainsi qu’à s’auto-évaluer.
Cependant, si le développement des compétences semble parfaitement IA-compatible, les données qui le concernent, comme toute donnée à traiter grâce à elle, doivent être triées, qualifiées et structurées pour garantir la qualité d’apprentissage des algorithmes.
L’IA déjà à l’œuvre dans le recrutement
Le segment le plus avancé dans son recours aux technologies de l’IA s’avère sans doute le recrutement. L’IA peut en effet déjà gérer la quasi-intégralité du processus, dont les étapes sont facilement automatisables.
Par exemple, grâce aux méthodes cognitives, qui offrent une sorte de panorama à 360° d’une campagne de recrutement, la solution d’IBM analyse des données internes et externes relatives aux candidats, à l’entreprise, à l’offre publiée – que l’IA peut aussi aider à rédiger –, et à l’historique des recrutements, afin d’identifier les meilleurs candidats.
Si l’IA permet de sélectionner des CV en fonction de mots-clés à trait aux compétences ciblées, elle offre aussi l’occasion de se passer complètement de cet outil, d’aucuns jugent aujourd’hui inefficace. Enfin, le système permet de prédire les biais de recrutement pour mieux les éviter.
En engageant la discussion avec d’éventuels postulants, les agents conversationnels du géant informatique, ou chatbots, cherchent à personnaliser le conseil aux visiteurs du site web d’une entreprise en les orientant vers les offres les plus adaptées à leur profil.
Les algorithmes de Linkedin, quant à eux, sont entraînés pour repérer uniquement les profils actifs et réceptifs aux sollicitations. Cet apprentissage se fait notamment à travers le taux de réponses aux recruteurs que présentent ces profils.
Objectif : faire gagner du temps aux recruteurs dans leur travail de sourcing.
Il est en outre possible de mobiliser l’IA pour fixer et réaliser les premiers entretiens, par téléphone, mais également face caméra pour analyser la communication non verbale des candidats grâce à la reconnaissance faciale.
En matière de recrutement interne, les ressources humaines peuvent désormais compter sur les outils de lecture de texte non structuré, comme Bert, créé par Google IA en 2018. Bert fait partie des applications de traitement automatique du langage (NPL). Appliqué à la gestion des compétences, Bert permet d’identifier parmi les collaborateurs ceux que l’entreprise a tout intérêt à faire évoluer à moyenne et longue échéances.
« [C’est] ce que l’on fait avec un grand groupe de l’énergie, de plus de 100 000 salariés, relatait encore Paul Courtaud, fondateur de Neobrain. Pour répondre à cet enjeu, généralement, ils regardaient dans un premier pool de cadres, à partir d’un certain niveau de grading, et procédaient à des entretiens individuels, etc. Sauf que cela implique que l’on détecte parfois trop tard les fameux hauts potentiels […] à un moment où la ressource est rare sur le marché. Là, concrètement grâce au modèle Bert, on a analysé un demi-million d’entretiens d’évaluation : du texte, du verbatim… tout [ce qui] pouvait être disponible. »
Le résultat de ce processus automatisé s’est révélé plus que concluant. D’après le jeune dirigeant, l’IA a permis d’aboutir en 48h à une liste correspondant à 83% à celle de 600 noms que le comité de sélection traditionnel a mis six mois à produire.
Quant à la part restante, « celle qui nous intéresse vraiment », elle correspond aux profils de hauts potentiels n’ayant pas été détectés manuellement « parce qu’on avait pas l’information, que le manager avait gardé sa pépite au chaud dans son équipe ».
Le cadre éthique pour lever les freins
Malgré des aspects considérés comme positifs par les professionnels des RH, l’IA demeure encore sous exploitée dans ce secteur d’activité. Ainsi, en 2019, dans une étude du cabinet Robert Walters, seuls 14% des recruteurs interrogés déclaraient utiliser des outils de sourcing intégrant l’IA, alors que 39% d’entre eux disaient souhaiter pouvoir le faire.
Une tendance confirmée en 2020 par une enquête de Julhiet Sterwen et du Top employers intitute, qui montre qu’au cours de cette même année, seuls 17% des services RH en Europe se sont appuyés sur des SIRH intégrant l’IA.
Ce paradoxe s’explique par plusieurs facteurs.
D’abord, le manque de clarté. Les horizons vertigineux qu’ouvre l’intelligence artificielle paraissent souvent nébuleux aux profanes. Qu’est-ce que c’est que cette IA et à quoi ça sert ? Les acteurs de l’entreprise, tant les dirigeants que les employés, ne le comprennent pas toujours. Difficile, dès lors, de s’en approprier la logique et les usages en toute confiance.
Cela mène directement à un deuxième frein. L’automatisation nourrit une certaine peur : celle de son obsolescence en tant qu’être humain, de voir son métier et donc son emploi disparaître. D’autant qu’avec des technologies en cours de développement comme l’active learning, nous ne serons plus les seuls à apprendre de nos erreurs. La machine le pourra elle aussi et ce dix fois plus vite qu’elle ne le fait aujourd’hui.
Être contraint à remettre en question son fonctionnement semble tout aussi inconfortable. Or, l’IA modifie indéniablement la fonction RH. En automatisant certaines tâches répétitives, chronophages et à faible valeur ajoutée, elle oblige l’humain à se repositionner. À l’avenir, les RH pourront, devront, se concentrer sur des missions plus qualitatives, sur la tactique plutôt que sur l’opérationnel. Entre autres, orchestrer la conduite du changement et maintenir en compétence l’entreprise.
Troisième frein : l’éthique. Le recours à l’IA pose la question de la protection des données et de la responsabilité des entreprises. D’après l’enquête de Julhiet Sterwen et du Top employers intitute, un grand nombre de sociétés disposent de données mais ne les exploitent pas, compte tenu des incertitudes juridiques en la matière, pas plus, cependant, qu’elles ne forment leurs équipes RH sur ces sujets.
Pour le CEO de Neobrain, l’IA appliquée au RH est surtout un moyen d’apporter de « la matière à discussion » et de « débloquer certains goulots d’étranglement », mais il est primordial de « savoir où [en] mettre et où ne pas en mettre ».
Et de pointer également l’importance du choix des critères d’apprentissage et de l’objectivation de la donnée comme base saine à cet apprentissage, expurgée des biais délétères. Pour éviter les débordements possibles d’une machine mal entraînée, « le cadre éthique, c’est majeur ».
Le B.A-BA de l’IA
Pour ceux que les nouvelles technologies dépassent un peu, voici un lexique d’urgence sur les principaux concepts de l’intelligence artificielle, discipline au carrefour des mathématiques, de l’informatique et des neurosciences, ayant émergé il y a un peu plus d’un demi-siècle.
De nombreux MOOC permettent, par ailleurs, d’aller plus loin dans la compréhension de cet univers qui relève, dans l’imaginaire collectif, autant de la réalité et que de la littérature d’anticipation.
Le machine learning
Le machine learning fait partie des technologies de l’intelligence artificielle et se traduit par apprentissage automatique. À partir de la data – les données –, constituée de chiffres, de texte, d’images et autres images, les algorithmes mettent au jour des modèles récurrents. Sur la base de ces derniers, la machine peut apprendre et améliorer sa compréhension et son exécution de certains processus, mais aussi la réponse qu’elle apporte aux problèmes pour lesquels elle a été conçue.
Avec le machine learning l’apprentissage est autonome, bien qu’il nécessite parfois une supervision à divers stades. En amont notamment, pour sélectionner finement, voire étiqueter, et nettoyer les données d’entraînement, c’est-à-dire les informations qui nourriront l’algorithme.
Le deep learning
Le deep learning, pour apprentissage profond, est une sous-catégorie du machine learning. Il utilise un réseau de neurones plus sophistiqué, directement inspiré du fonctionnement cérébral humain, ce qui lui permet de détecter des modèles plus complexes, des signaux de plus faible intensité.
Le deep learning ne demande pas forcément à être supervisé, il découvre les modèles ou patterns de lui-même. C’est le système qui choisira comment classifier les données ingérées, selon des critères qu’il connaît.
C’est ce mécanisme qui est à l’œuvre dans le matching de profils et de poste, par exemple.
Traitement automatique du langage
Le traitement automatique du langage (NLP) fournit à la machine la possibilité de comprendre le langage humain.
Les exemples les plus courants de l’utilisation de cette technologie sont les agents conversationnels, ces petites bulles de dialogue qui apparaissent lorsqu’un visiteur navigue sur un site web et lui proposent de l’aide, ou encore les assistants vocaux somme Siri, Alexa ou Google home.
Ce n’est pas toujours le cas, mais ces systèmes-ci associent IA, machine learning notamment, et traitement linguistique afin, d’une part, de comprendre le langage, mais aussi, d’autre part, d’en générer. Adossé au deep learning, le NLP recouvre des capacités décuplées. C’est le cas de Bert, créé par Google, un d’un tas de déclinaisons développées ces dernières années.
