Comment avez-vous recours à l’IA pour la gestion des compétences ?

L’information sur les compétences est partout dans les entreprises : dans les outils RH, dans les outils métier et dans la tête des collaborateurs… ! L’enjeu est de cartographier, recenser et mapper l’information autour de la notion de « compétences ». Selon nous, cette information ne doit pas être structurée à l’avance, c’est-à-dire qu’on ne peut pas se baser sur un référentiel de compétences prédéfini où l’on veut évaluer et jauger toute l’organisation et tous les talents par rapport à ce référentiel.

On adopte une approche ouverte et dynamique, où toutes les compétences sont évolutives, se complètent et s’enrichissent de différentes manières. Mais, il faut être capable de les comprendre ! Selon nous, l’IA sert à plusieurs niveaux. D’une part, à réaliser un travail d’analyse de données non structurées et de texte autour des compétences : on parle d’inférence de compétences. Il s’agit d’être capable de détecter une compétence quelle que soit la source de l’information, quelle que soit sa forme ou quelle que soit sa langue. Il est pour cela nécessaire de parvenir à construire des passerelles entre les compétences et les associer à des expériences. L’IA permet aussi d’effectuer la phase de matching qui vise à proposer de manière personnalisée à chaque collaborateur de l’entreprise des opportunités de développement que ce soient des postes, des projets ou des formations. Lors de cette phase de matching, on ne s’appuie sur rien de prédéfini. On prend l’ensemble des caractéristiques du profil de compétences d’un collaborateur, c’est-à-dire toute son expérience : ses expériences passées, ses interactions, ses aspirations etc. On identifie ensuite le niveau de matching, c’est-à-dire la compatibilité avec un projet, une mission ou encore une formation. Enfin, l’IA permet d’être au service de l’expérience utilisateur : dans une logique conversationnelle, l’idée est d’interroger en continu le collaborateur pour lui proposer des suggestions personnalisées et pertinentes en fonction de son profil. Le collaborateur peut ainsi donner un feedback sur ce que l’IA peut lui proposer.

Comment récupérez-vous l’ensemble des données des collaborateurs ?

Pour récupérer les données des collaborateurs dans une entreprises, on dispose de trois sources de données : les données sur les outils RH (suites SIRH tels que CornerStone, SucessFactor, etc.) qui représentent 20% de l’information), les données disponibles sur les outils métiers (comme les réseaux sociaux d’entreprise, les plateformes de gestion de projet, les outils de gestion de documents, les outils de gestion du planning, etc.) pour lesquels nous disposons de l'ensemble des interactions de chacun. Puis enfin les données du collaborateur lorsque l’on l’interroge dans une logique de dialogue par le biais de l’interface. Des questions lui sont adressées telles que « Qu’est ce qui te bloque en ce moment sur ton poste ? », « Tu viens de terminer cette mission dans le secteur de l’énergie, est-ce que c’est un centre d’intérêt que tu as développé ? » ou encore « Tu travailles avec une équipe de chef de projet agile, est-ce que l’agilité est un de tes domaines d'expertise ? » et ainsi de suite. Cette troisième source de données est un dialogue continu avec le collaborateur, on va l'interroger et lui faire des suggestions personnalisée et pertinentes de façon continue.

Ces 20% de données mentionnées ci-dessus et qui sont récupérées dans les entreprises sont toujours très structurées. Notre mission est d’aller chercher les 80% d’information restante et de libérer cette donnée très structurée. Cela permet également de libérer les collaborateurs et de pas les enfermer dans des référentiels.

Souvent, lorsque le personnel RH nous fournit ces 20% d’information, il n’en est pas très fier et nous prévient que les données ne sont pas bien ordonnées, « pas très propres ». En réalité, c’est une base qui est importante pour nous. On connecte cette base à d’autres sources de données, ce qui nous permet de booster la base et de la faire passer dans une autre dimension. Nos clients disposent ensuite d’une cartographie des compétences à l’échelle, alors qu’ils avaient auparavant qu’une vue limitée de toutes ces informations. Les entreprises disposent d’outils qui leur permettent en fonction de leur culture, de valider des rapprochements sémantiques ou des catégories de compétences : cela permet d’ajuster les recommandations d’IA.

Pour aller chercher les 80% restant, on dispose d’une phase d'apprentissage générique sur de la donnée externe, un apprentissage qu’on appelle agnostique. Sur des sujets métiers ou RH, on traite de la donnée grand public telle que Wikipédia.

Cette technologie permet de faire de la vectorisation de mots, du word embeddings. Cela signifie qu’on est capable de prendre de nombreux corpus de texte et de comprendre mathématiquement ce que représente un mot et son contexte. Lorsqu’on compare un mot et un contexte, on peut déceler mathématiquement s’ils sont synonymes ou au contraire s’ils sont très éloignés. Cet apprentissage se fait principalement sur de la donnée brute et externe.

L’HUMAIN SE RÉINVENTE, IL TRAVAILLERA SUR D’AUTRES CHOSES ET CONCEVRA LUI-MEME LES MACHINES. AUJOURD'HUI, LE FEELING, L’APPRÉCIATION DE PERSONNE A PERSONNE NE PEUT PAS ÊTRE REMPLACÉ ET C’EST TRÈS BIEN AINSI.

On extrait également de la donnée RH, tirée des job board ou de la donnée issue de référentiels de compétences. L’apprentissage final se fait client par client, puisque le moteur apprend en fonction de la donnée et de la gestion des compétences du client. Toutes les recommandations sémantiques et les suggestions de matching sont au préalable proposées aux RH qui les valident si pertinent. C’est une phase décisif en termes d’IA. Il y a en la matière 2 grands  : Explain et Conversational IA. Explain pour expliquer ce qui se passe : concrètement, pourquoi on effectue ce type de suggestion ou telle recommandation ? D’où vient l’info et comment on arrive à ces résultats ? Et ensuite la phase Conversational IA. La technologie d’IA est un outil de recommandation mais à la fin, il faut quand même avoir un feedback utilisateur pour améliorer les suggestions et conférer un certain pouvoir d’utilisation à l’utilisateur.

Quelles sont les différentes interventions humaines nécessaires pour que vos algorithmes puissent faire leur travail ?

Lorsque l’on établit des recommandations d’opportunité telles que des propositions de matching, le RH qui est en charge des recrutements ou en charge de staffer pour des missions nous fait ses retours afin d’ajuster les propositions. Ces ajustements permettent d’affiner les suggestions sur des informations très précises, par exemple la séniorité requise pour le poste. En revanche, nous ne réalisons pas de procédé de tagging. En effet, pour chaque cas, des discussions sont menées avec les RH sur ce sujet de sémantique dans le but de construire une architecture qui soit le reflet de leur culture et propre à leur façon de gérer les compétences. L’administrateur RH de la solution va pouvoir organiser les catégories de compétences, valider que certains termes soient proches ou invalider certaines informations. Ce n’est pas du tagging mais du feedback sur les recommandations.

Enfin, il nous est inutile qu’un individu créé les corpus de données de façon manuelle pour que le système puisse se lancer. Ce qui représente un réel gain de temps qui est estimé à 10 fois moins que celui pris pour une solution de gestion traditionnelle, pour laquelle la définition de référentiels de compétences, des métiers et les passerelles entre les métiers est indispensable. L’IA apporte beaucoup plus d’agilité.

Lorsqu’un chargé de recrutement parcoure un CV, il parvient à identifier certaines informations interpersonnelles et sous-jacentes. Comment intégrez-vous cette subtilité dans votre IA ?

C’est tout l’enjeu ! On rajoute des dimensions dans les informations, qui sont prisent en compte au moment de faire des recommandations de matching. On y intègre par exemple la dimension des appétences via les expériences ou encore les compétences développées. Il y a également les informations liées aux motivations et les compétences que le collaborateur souhaite développer. En revanche, on ne dresse pas un portrait psychologique ou comportemental du collaborateur. Pour cette partie, il existe des outils qui effectuent des tests psychologiques. Nous sommes en pour parlers avec quelques partenaires pour voir comment intégrer cet aspect dans notre solution lors des matchings proposés. En ce qui nous concerne, nous avons fait le choix de nous positionner au début de la chaîne de valeur autour de la phase de matching - que ce soit pour trouver des talents sur des postes ou trouver des postes pour des talents. La fin de la chaîne, c’est le processus de recrutement et d’entretien classique où les collaborateurs RH confirment que le matching est le bon. Nous n’avons pas l’intention de remplacer cette intervention humaine qui est et demeurera

selon nous indispensable.

Soft skills, appétences, caractère… Voici des informations difficilement identifiables. Comment l’IA intervient sur cet aspect ?

Il est difficile pour un collaborateur de renseigner objectivement par lui-même certaines informations liées à ses compétences interpersonnelles telles que le leadership par exemple. Pourtant, ce sont des compétences importantes que les collaborateurs RH vont rechercher lors d’un entretien mais qui ne figurent pas toujours dans les offres d’emplois. Les tests psychologiques permettent de dresser des portraits comportementaux des collaborateurs. Ces tests sont gérés par des partenaires externes, mais les collaborateurs ont également la possibilité de renseigner ce type d’informations sur la plateforme. A terme, l’IA pourra inférer un maximum d’information en analysant toutes les données disponibles. Par exemple, si l’on analyse comment les collaborateurs interagissent sur les réseaux sociaux de l’entreprise, on peut analyser et identifier certaines informations : qui est leader d’opinion ? Qui est suiveur ? Par contre, il y aura toujours certaines informations dures à identifier.

Quelle est la valeur ajoutée de votre solution que l’être humain n’est pas en mesure d’apporter ?

Tout d’abord, la solution permet le traitement de gros volumes de données et gère l'impossibilité mathématique de traiter les millions de possibilités entre des opportunités : des projets, des missions, des postes, des formations etc. Également, les ressources RH sont de plus en plus limitées et on a de moins en moins le temps pour effectuer certaines tâches. L’approche IA permet de traiter l’exhaustivité des possibilités et de personnaliser chaque proposition plutôt que de ranger les personnes dans des cases.

Selon vous, l’Intelligence Artificielle peut remplacer l’humain ?

Je pense que l’on peut remplacer les tâches qui sont réalisées par les humains - mais pas remplacer les humains. Toutefois, des activités humaines vont être remplacées dans certains domaines : ce n’est pas philosophique mais simplement lié au travail. La machine a remplacé les chevaux et les chevaux ont remplacé les humains sur d’autres tâches bien avant. L’humain se réinvente, il travaillera sur d’autres choses et concevra lui-même les machines. Aujourd'hui, le feeling, l’appréciation de personne à personne ne peut pas être remplacé et c’est très bien ainsi.

Y-a-t-il certaines données qui n’existent pas encore, mais qui sont nécessaires au fonctionnement de l’IA ?

Que les données n’existent pas, c’est notre constat. Cependant, les données existent et elles sont partout. Il faut savoir les chercher, les traiter et les analyser. Dans ce contexte, disposer d’une plateforme capable de s’intégrer à différents outils et capable de traiter la captation d’informations est clé. Les dimensions difficiles à capter telles que les informations liées au comportement ou à la psychologie sont aujourd’hui difficiles à saisir, mais progressivement nous serons en mesure de prédire la capacité d’un individu à traiter un projet en fonction de son parcours et de sa façon de gérer certaines situations. Globalement, on a énormément d’informations et nous sommes loin d'avoir tout exploré ! Actuellement, on fait face à de gros enjeux de sensibilisation et d’explication de ce qu’est l’IA. C’est pour cela que nous avons monté un lab d’IA destiné aux RH, qui mobilise 10 personnes en interne. Leur mission est de sensibiliser les RH sur les apports de l’IA et d’apporter une dimension pédagogique globale sur ce qu’est l’IA.

Dans les produits et services d’Intelligence Artificielle, l’IA représente qu’une partie des développements. Quelles technologies annexes sont indispensables à son fonctionnement ?

Une nouvelle génération d’outils digitaux est en train de naître. La génération d’avant intégrait des process, des workflows et des outils types ERP qui ont généré beaucoup de données. Beaucoup se sont alors demandés à juste titre ce qu’on pouvait ajouter par-dessus pour réaliser des prédictions et comprendre ce qu’il se passe. L’IA et d’autres technologies sont entrées en jeu. Chez 365Talents, notre présentant notre plateforme comme de nouvelle génération et l’on souhaite être 100% IA. C’est une approche différente, notre base c’est l’IA et on va capter de la donnée pour apprendre de cette donnée. On rebat les cartes, c’est une nouvelle génération de plateforme AI native, basée principalement sur de l’IA pure.