Recrutement prédictif, et pourquoi pas ?

IA

Tandis que les canaux de recherches se multiplient et que les recruteurs deviennent de véritables « marketeurs » pour attirer les talents qui deviendront leurs futurs collaborateurs, le Big Data soulève d’importants enjeux en termes de sélection des candidats.

Big Data et recrutement: concrètement comment ça marche ?

—–Rappelons tout d’abord que le terme Big Data, ou mégadonnées en Français, désigne le gigantesque volume de données disponible suite au boom du numérique et la difficulté de traitement que cela représente.  Mais à quoi bon réussir à traiter des données de masse si ce n’est pour les exploiter ? Ainsi, pour donner un sens à ces informations et les interpréter pour apporter une valeur ajoutée à leur analyse, il est nécessaire de passer par plusieurs étapes :

  • Collecter: la collecte de données doit être ciblée pour qu’elles soient traitées efficacement. Généralement, les informations relevées concernent une population d’individus donnée.
  • Traiter: toutes les informations ne sont pas nécessairement utiles à l’analyse, c’est pourquoi il est nécessaire d’identifier, de classer et de répertorier les données qui serviront.
  • Analyser: comparer, croiser et établir des corrélations entre les données permet de leur donner un sens.
  • Prédire: l’analyse des données et des corrélations existantes donne la possibilité de repérer des schémas qui se répètent et donc, de formuler des probabilités afin d’en faire une lecture prédictive.

—–L’approche Big Data s’applique au recrutement, notamment pour l’identification des candidats. En effet, la multidiffusion d’annonces, l’usage massif des réseaux sociaux et la multiplication des plateformes de recherche représentent un volume de données important pour les recruteurs. La logique Big Data appliquée au recrutement est très bien maîtrisée au niveau de la collecte et du traitement des données. Ainsi, l’utilisation d’algorithmes permettant de rechercher des candidats par combinaison de mots clés et d’opérateurs booléens facilite la phase d’identification des candidats qu’ils soient activement en recherche d’emploi ou « passifs » et principalement visibles sur les réseaux sociaux. De même, des outils permettent de croiser les informations relatives à une personne disponible sur différents supports tels que les réseaux sociaux, les blogs, les éventuelles publications ou partages de contenus, par exemple, dans le but d’établir un profil le plus complet possible.

C’est au niveau de l’analyse de ces données que l’approche Big Datordia apporte une forte valeur ajoutée au recrutement. Il s’agit en effet de définir un degré de concordance entre les profils sélectionnés, les attentes du poste et les facteurs de réussite propre à l’entreprise. C’est à ce stade que les algorithmes ont besoin d’être perfectionnés voire mieux maîtrisés afin que les apports du Big Data puissent être pleinement exploités par les recruteurs. A l’heure actuelle, il existe plusieurs outils qui ont été développés dans le but de fournir des analyses basées sur le croisement de données. Ainsi, des solutions permettent de recevoir une alerte lorsqu’une personne modifie son profil sur les réseaux sociaux, et donc potentiellement à l’écoute de nouvelles opportunités. De même, certains algorithmes permettent de prendre en compte le paramètre lié à la distance entre domicile et lieu de travail qui peut influencer la décision d’un candidat (on estime en effet qu’il s’agit d’un des principaux critères de sélection). En allant encore plus loin, des applications offrent la possibilité de « scanner » l’ensemble des données relatives à une personne et d’aller jusqu’à trouver un exemple de projet qu’elle a réalisé (code d’une page web, article publié…) pour évaluer son niveau en fonction des attentes du recruteur.

 

 

Du Big Data au Recrutement Prédictif

—–A l’heure actuelle les recruteurs n’ont plus pour unique enjeu d’identifier des candidats mais de parvenir à attirer LE collaborateur qui s’adaptera tant au poste qu’à l’environnement de travail et à l’ambiance générale. Il devient donc nécessaire d’adopter une méthode qui permette aux recruteurs d’aller plus loin que l’analyse des compétences. Pour se faire, il est nécessaire de cartographier non seulement les savoir-faire mais aussi les spécificités des collaborateurs afin d’établir des corrélations entre le profil des personnes en poste et celui des candidats. Il s’agit effectivement du dernier volet de l’approche Big Data qui utilise le volume de données dans un but prédictif. Appliquée au recrutement, cette méthode permet donc de pronostiquer la réussite d’un candidat en poste. Il est important de préciser qu’il s’agit effectivement de probabilités puisqu’il est question d’analyser un certain volume de données, leur corrélation et leur taux de répétition pour formuler des prédictions.

– 

globe

—–A l’échelle du recrutement, les informations à exploiter sont multiples : compétences, résultats de tests de personnalité ou encore historique des données accumulées au sein de l’entreprise (comptes rendus d’entretiens annuels, tests techniques…). L’idée véhiculée par le recrutement prédictif est de se baser sur des indicateurs objectifs et différenciant – éléments liés au caractère et au comportement par exemple – afin d’identifier des candidats ayant un profil similaire à celui des collaborateurs qui performent sur un poste donné. Cela permet ainsi d’élargir le champ de recherche en s’appuyant sur des critères nouveaux, basés sur le profil des hauts potentiels de son entreprise, qui permettent au recruteur de se baser sur autre chose que le parcours académique, nombre d’années d’expérience, secteur d’activité… Néanmoins, cela implique la possibilité de collecter et d’analyser les données relatives aux salariés sur un laps de temps suffisant afin que le résultat soit pertinent.

—–L’application du Big Data au recrutement met en lumière la multitude de possibilités qui sont offertes aux professionnels RH. Bien que peu répandu à l’heure actuelle, le recrutement prédictif s’accompagne d’atouts non négligeables pour les recruteurs notamment en termes de gain de temps, grâce à l’automatisation des process de sélection due aux algorithmes, d’évaluation qui se veut plus objective via l’analyse d’indicateurs rationnels, et de compréhension du profil de ses collaborateurs afin de repérer quels sont les facteurs qui les mènent à la réussite.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *


*