Temps de lecture : 3 minutes

Partager cet article

Le recrutement prédictif ou l’avènement du Big Data : un nouveau mode de sélection annoncé

big data et recrutement prédictif

Qui de l’homme ou de la machine est le plus à même de choisir un futur salarié ? Une étude de deux psychologues de la Harvard Business Review publiée en avril 2014 a semé le doute : « en matière de recrutement, les algorithmes font mieux que l’intuition ».
Les médias en parlent beaucoup, et certains DRH commencent déjà à le tester… Alors, le recrutement prédictif : est-ce une évolution positive ?

Le recrutement prédictif, qu’est-ce-que c’est ?

 Il s’agit d’identifier des variables qualitatives et/ou quantitatives qui permettent une projection fiable sur un résultat attendu. Plus concrètement, le recrutement prédictif répondrait à des questions que se posent les RH quand ils cherchent à identifier le bon candidat, c’est-à-dire celui qui sera performant et qui restera longtemps dans l’entreprise.
Par exemple « ce trait personnalité est-il un bon indicateur pour identifier la performance dans ce poste ? » ou « quelles sont les données qui indiqueront qu’un employé est plus susceptible de quitter son poste plus rapidement qu’un autre ? ».
Un modèle informatique, paramétré de façon à passer en revue des informations sur les candidats récoltés depuis son CV, les réseaux sociaux, des tests de personnalité etc., serait plus apte à sélectionner les meilleurs profils que les « humains », distraits par des éléments parasites tels que l’affect, contrairement aux algorithmes.

Comment bien l’appliquer en entreprise ?

Il est important de définir au préalable les indicateurs de performance que l’on souhaite analyser et améliorer. Pour qu’un recrutement soit qualifié de prédictif, il doit comporter 4 étapes :
– Évaluer en amont les collaborateurs déjà présents dans l’entreprise pour voir si l’on est capable de trouver des corrélations entre leurs données (parcours, personnalité, capacités intellectuelles…) et leurs performances.
– Déterminer les critères à privilégier en fonction des objectifs de l’entreprise : augmenter le chiffre d’affaires, réduire le turn-over…
– Récupérer et analyser les données des candidats à un poste.
– Établir un suivi sur la durée, pour vérifier que le modèle fonctionne bien et l’ajuster en fonction de l’évolution des besoins de la société. 

Une discrimination organisée ? Au contraire : quand les entreprises utilisent des algorithmes pour trier les CV reçus, le genre ou la couleur de peau n’en font pas partie. Le DRH qui se retrouve face à un candidat décalé n’émet pas de doute sur ses compétences, puisque son algorithme l’a sélectionné aussi pour elles !

Les premiers résultats ?

Contrairement aux idées reçues, le big data peut permettre aux recruteurs de sortir des sentiers battus et non pas de recruter des « clones ».
En croisant les données de leurs collaborateurs, les entreprises se rendent compte que le nom de l’école ne fait pas vraiment la différence dans les performances, que les parcours universitaires sont tout aussi bons, que les personnes ayant subi une longue période de chômage peuvent avoir un fort potentiel car plus motivés que la moyenne…
Le recrutement prédictif, cela peut être l’occasion pour les employeurs de gagner une vision plus objective des critères qui font leur réussite et de se départir de beaucoup de préjugés. 

De plus, en laissant l’algorithme s’occuper de la première phase de tri, souvent laborieuse, le recruteur a plus de temps à accorder aux candidats lors des entretiens puisqu’il en reçoit un nombre réduit.
Mais attention, l’accès aux données numériques et à leur interprétation demande aux RH et aux cabinets de recrutement des règles de déontologie et d’éthique irréprochables.
Côté candidats, cette nouvelle technique de sélection ne change rien : ils sont soumis à des tests comme depuis des années, mais c’est seulement la façon dont les résultats sont exploités qui est différente. Et a priori pour le mieux, puisqu’ils seraient retenus à un poste dans lequel ils s’épanouiraient pleinement.

À lire aussi