Dans le contexte actuel, la compréhension approfondie des données et des perceptions devient essentielle pour améliorer les conditions de travail et favoriser le bien-être du personnel soignant. L'intégration de l'intelligence artificielle dans le domaine de l'analyse sémantique offre des opportunités sans précédent pour explorer et comprendre les données textuelles, visuelles et autres, fournissant ainsi des insights pertinents pour une variété d'applications, y compris les enquêtes menées par les services qualité, et notamment concernant la Qualité de Vie au Travail.
L'analyse sémantique consiste à comprendre le sens des données, qu'elles soient textuelles ou visuelles, en extrayant des informations précieuses, telles que des thèmes, des opinions, des sentiments, et des intentions. Cette approche va au-delà du simple traitement des données pour en comprendre le contexte et la signification.
Le machine learning joue un rôle central dans l'analyse sémantique en permettant aux systèmes informatiques d'apprendre à reconnaître et à interpréter automatiquement des modèles complexes à partir de données. Les algorithmes de machine learning peuvent être entraînés à analyser de vastes ensembles de données pour détecter des schémas, des tendances, et des corrélations, ce qui est essentiel pour extraire des insights significatifs de grandes quantités de données.
L'IA pour améliorer la compréhension du personnel soignant via des enquêtes QVT
Dans le contexte spécifique de l'amélioration de la Qualité de Vie au Travail, l'IA apporte son rôle dans l'analyse et l'interprétation des données liées aux perceptions et aux expériences des employés. Les outils d'IA peuvent aider à analyser des réponses libres, les « verbatims » et à extraire des insights significatifs sur les différents aspects de la QVT, tels que l'environnement de travail, les relations interpersonnelles, l'équilibre vie professionnelle/vie privée …etc.
En outre, l'IA permet d'analyser les différences de perception entre les divers groupes professionnels au sein d'une organisation, ce qui permet d'identifier des besoins spécifiques et de mettre en place des actions ciblées pour améliorer la QVT de manière efficace et durable.
Prenons l'exemple d'un établissement de santé qui souhaite évaluer et améliorer la Qualité de Vie au Travail de ses employés pour optimiser le bien-être au travail, l'engagement des équipes, et la qualité des soins apportés aux patients.
Exemple d’un Acteur Français de l’Hospitalisation à Domicile
Besoin :
Chaque année, cet établissement spécialisé dans l'hospitalisation à
domicile en Île-de-France mène une enquête auprès de
son personnel soignant et non soignant. L'objectif est de recueillir
leurs retours d'expérience sur divers aspects de la
Qualité de Vie au Travail (QVT), y compris l'environnement de travail,
les relations interpersonnelles, le soutien
institutionnel, l'équilibre entre vie professionnelle et vie privée, et
la reconnaissance, dans le but d’améliorer leur
service.
Solution :
Une enquête complète sur la QVT a été mise en œuvre via les outils de la
gamme Soft Concept, avec les capacités
suivantes :
- Identifier et catégoriser les principaux thèmes de satisfaction et
d'insatisfaction parmi le personnel.
- Extraire des insights spécifiques sur des sujets variés, analyser les
différences de perception entre les groupes
professionnels, et fournir des recommandations basées sur des données
pour améliorer la QVT.
Méthodologie proposée :
1. Lancement d'une enquête anonyme :
- Réalisation d'une enquête anonyme RH destinée à 1 000 personnes.
- La sollicitation est effectuée via un support papier comportant un
code QR, lequel redirige vers un lien anonyme.
Cette approche a permis d'obtenir un taux de réponse de 80%.
2. Traitement des réponses avec Ethnos AI :
- Face à la question ouverte « Comment évaluez-vous l'organisation du
travail, l'intérêt de votre travail, les
conditions de travail, et l'ambiance au travail ? Quels aspects de ces
domaines vous semblent positifs ou nécessitent
des améliorations ? », les réponses sont initialement traitées pour
distinguer les commentaires positifs des négatifs,
les plaçant dans deux colonnes distinctes.
- Pour chacune des colonnes, l'IA, en mode non supervisé, identifie 10
thèmes positifs, le nombre 10 reflétant la
décision de l'établissement de se limiter à ce nombre, dans l'ensemble
des commentaires positifs et applique une
démarche similaire pour les retours négatifs. Chaque commentaire peut
recevoir plusieurs qualificatifs, adoptant ainsi
une approche de "quali multiple".
- Les suggestions d'amélioration sont ensuite isolées dans une colonne
distincte, où l'IA identifie également jusqu'à 10
thématiques d’amélioration, permettant d'associer plusieurs thématiques
d’amélioration à un même commentaire.
- Chaque catégorie ou thème identifié par l’IA a pu être recodifié
manuellement par la suite pour s’adapter
spécifiquement au contexte de l’établissement.
3. Visualisation et reporting avec Ethnoforms :
Des graphiques ont été générés avec ethnoforms créés pour illustrer les
perceptions négatives et les suggestions
d'amélioration parmi les répondants. Ces graphiques seront ensuite
filtrables selon différentes informations
caractéristiques fournies plus tôt dans le questionnaire, telles que le
service, le poste, le genre, etc. Un rapport a
alors pu être construit pour être envoyé au service compétent.
Résultats :
L’enquête a permis de mettre en lumière deux priorités principales pour
l'amélioration : la collaboration entre les
services et la communication interne, représentant respectivement 34% et
28% des suggestions des employés. Bien que
moins fréquents, les retours sur les relations interpersonnelles, le
sens du travail, et les conditions de travail
indiquent des domaines d'amélioration pertinents.
Grâce aux axes d'amélioration et aux leviers identifiés directement par le personnel soignant à travers une enquête anonyme, la direction a désormais une base solide pour élaborer des mesures ciblées. Ces actions seront conçues pour renforcer la qualité de vie au travail du personnel, en abordant spécifiquement les points soulevés par le personnel soignant lui-même. Cela garantit que les améliorations seront pertinentes et alignées avec les besoins et les expériences réelles des employés.
