20 juillet 2023

L'IA peut jouer un r√īle crucial dans le domaine des RH, mais devons-nous la suivre aveugl√©ment ?

Les contributeurs
Julie Plusquin
Talent Partner
Aucun élément trouvé.
S'abonner à la newsletter
Partager cet article

L'IA n'est-elle applicable que dans les usines et les grandes entreprises ? Ce n'est pas du tout le cas. L'IA aura (et a déjà) un impact sur le secteur des ressources humaines. Julie Plusquin, Talent Partner chez ML6, nous explique à quoi pourrait ressembler l'évolution des RH.

Julie : "J'ai une ma√ģtrise en psychologie. J'aurais pu me poser la question suivante : "Pourquoi continuer √† √©tudier l'individu, alors que bient√īt les algorithmes seront de toute fa√ßon capables de lire les gens ? Eh bien, dans cet article, j'aimerais vous faire suivre le fil de mes pens√©es."
‚Äć

Quelques applications de l'IA dans les RH

L'avenir de l'IA dans le domaine des ressources humaines me semble prometteur. Bien s√Ľr, je ne veux pas √™tre na√Įf et je mentionne √©galement certains risques encourus.

Voici quelques applications concrètes de l'IA dans le domaine des ressources humaines : La sélection de CV par un algorithme, la cartographie des compétences de vos employés et l'obtention de certains conseils de la part de l'algorithme, les outils de feedback en temps réel, et ainsi de suite.  

L'analyse des ressources humaines a également connu un essor ces dernières années. Les entreprises perçoivent de plus en plus souvent la valeur ajoutée d'une approche fondée sur les données. En tant que psychologue ayant une solide expérience de la gestion fondée sur des données probantes, j'aime être témoin de cette évolution. Ne faites pas l'erreur de croire que les données et les personnes ne peuvent pas être liées. Il est possible de collecter, d'analyser et d'optimiser un grand nombre de données relatives aux performances, aux compétences, à l'attitude, au recrutement, etc. Cela peut aider un professionnel des ressources humaines à prendre de meilleures décisions à l'avenir.   

En quoi ces applications peuvent-elles √™tre utiles ? Utilisez-les √† des fins d'efficacit√©. De nos jours, les gens passent beaucoup de temps √† effectuer des t√Ęches op√©rationnelles. Par exemple, je consacre une grande partie de mon temps √† la s√©lection des CV, √† la programmation des entretiens et √† l'√©valuation des candidats. Certaines de ces t√Ęches peuvent facilement √™tre automatis√©es. Une remarque importante √† ce sujet est la suivante : "Quelle est votre valeur ajout√©e en tant que personne et quels sont les risques associ√©s √† l'automatisation de ces t√Ęches ?¬†

L'examen d'un CV, par exemple : Un algorithme sera tr√®s probablement capable de filtrer les formations pertinentes et la localisation de la personne plus rapidement que moi. Mais un algorithme peut-il nuancer ces √©l√©ments aussi bien qu'une personne ? Peut-il comprendre pourquoi quelqu'un a un trou de deux ans dans son CV, par exemple ? Quoi qu'il en soit, je pr√©f√®re m'engager avec les gens pour inclure cette nuance personnelle. Et je pense que c'est irrempla√ßable. Comment un algorithme va-t-il mesurer si quelqu'un correspond √† la culture de l'organisation ? Vous pouvez certainement mettre en place des questions pr√©d√©finies √† cet effet, mais ne sous-estimez pas pour autant l'impact de vos observations lors d'un entretien en face √† face et le comportement d'une personne lors d'une visite du bureau. Quoi qu'il en soit, je pense qu'il arrivera un jour o√Ļ les CV ne seront plus monnaie courante pour postuler √† un emploi. Je pense que le monde du recrutement va conna√ģtre un tournant et une √©volution (num√©rique) consid√©rables dans les ann√©es √† venir. Heureusement.¬†

‚Äć

L'IA éthique

Quand un modèle d'IA remplit-il certaines conditions pour pouvoir et être autorisé à être déployé dans le cadre d'une utilisation quotidienne ? Existe-t-il des lignes directrices à cet égard ? Dans le domaine de l'IA éthique et de la législation générale de l'UE sur l'application de l'IA, certaines lignes directrices sont écrites et d'autres sont encore en cours d'élaboration. Cela peut signifier, par exemple, que l'IA ne peut pas être utilisée si elle nuit au bien-être physique ou mental des êtres humains. L'utilisation des données personnelles et la discrimination font également l'objet de nombreuses discussions. Comme la technologie progresse à une vitesse toujours plus grande, les régulateurs dans ce domaine vont également de l'avant pour faire évoluer les réglementations proposées(loi européenne sur l'IA). 

Un autre aspect important est celui de l'explicabilité. Lorsqu'un algorithme fait une prédiction, il est important de savoir comment la décision est prise. Par exemple : le retour d'information personnel est important pour un candidat (pourquoi avez-vous été sélectionné pour passer au tour suivant ou non). Et aussi parce que nous devons être en mesure de mesurer s'il y a des biais. Par exemple, si un emploi particulier est plus souvent exercé par des hommes, votre modèle peut comporter un biais contre les femmes dans cet emploi. 

Parce que les professionnels des RH se concentrent beaucoup sur les contacts personnels, nous sommes souvent en contact avec des données sensibles. C'est pourquoi nous devons faire preuve d'esprit critique et de prudence lorsque nous utilisons l'IA. Y a-t-il un risque que votre modèle soit discriminatoire à l'égard d'un candidat ? Dans ce cas, ce n'est pas la solution idéale. 

D'autre part, l'IA peut également apporter une valeur ajoutée pour contrer les préjugés humains, car elle s'appuie purement sur les données disponibles et non sur l'intuition. Mais il ne faut pas se leurrer, l'IA peut également opérer une discrimination sur la base de données limitées ou historiques. Par exemple, si un algorithme dispose de plus de données sur le passé des personnes "blanches", il peut considérer ces données comme la "norme" et discriminer plus rapidement les données qui s'en écartent. 

‚Äć

Résistance au changement

En tant qu'organisation travaillant quotidiennement sur des projets d'IA et de ML, nous recevons √©galement la question suivante de la part de nos clients : "Comment puis-je commencer √† mettre en Ňďuvre l'IA au sein de mon organisation et comment puis-je g√©rer la r√©sistance de mes employ√©s √† cette solution ?". Ce concept que nous appelons "r√©sistance au changement" couvre un domaine tr√®s vaste dans la litt√©rature sur la gestion du changement au sein des organisations.¬†

L'IA continuera à se développer de toute façon, ainsi que dans le domaine des RH, et la manière dont nous y ferons face dépendra en grande partie de la communication et de l'accompagnement des coachs dans les organisations. On peut faire passer un message de différentes manières. "Nous expérimentons l'IA pour vous permettre d'être plus efficace dans votre travail et d'évaluer les aspects sur lesquels vous souhaitez encore progresser" ou "Nous expérimentons l'IA pour rendre notre entreprise plus rentable et plus efficace". La différence est immédiatement perceptible.

En outre, la mise en Ňďuvre de l'IA dans votre organisation offre de formidables opportunit√©s. En discutant individuellement avec vos employ√©s, vous pouvez identifier les points forts de chacun et les domaines dans lesquels ils souhaitent encore se d√©velopper. En ayant une partie op√©rationnelle optimis√©e gr√Ęce √† l'IA, cela apporte √† nouveau beaucoup d'espace et d'opportunit√©s pour d√©couvrir et apprendre de nouvelles choses. Par cons√©quent, la satisfaction et la productivit√© des employ√©s augmenteront.

Je peux d√©j√† entendre la question suivante : "Et si j'effectue un travail op√©rationnel √† 100 % aujourd'hui ? Ma r√©ponse restera la m√™me. Je crois que l'IA peut apporter une valeur ajout√©e. Gardez √† l'esprit que l'IA remplacera des t√Ęches, pas n√©cessairement des emplois. Je suis fermement convaincu qu'elle cr√©era √©galement de nouveaux emplois ou qu'elle rendra les emplois actuels plus stimulants. Les nouveaux besoins cr√©eront de nouveaux emplois. La plasticit√© et la capacit√© d'adaptation seront donc les comp√©tences n√©cessaires pour faire face √† ce que l'avenir nous r√©serve. En fait, il en a toujours √©t√© ainsi. Jetez un coup d'Ňďil √† la th√©orie de Darwin sur la "survie du plus apte".¬†

‚Äć

L'homme contre l'algorithme

Le pouvoir des personnes contre celui d'un algorithme ? La différence réside dans notre capacité à penser en avant et en arrière. Les personnes sont uniques dans leur capacité à fantasmer et à imaginer des situations et la manière de les gérer. Cela requiert de la créativité, de l'empathie et des nuances personnelles. 

Lorsque des applications d'IA sont mises en Ňďuvre, il reste important d'int√©grer un "facteur humain" dans le processus en tant que contr√īle. Comme les humains, les algorithmes ont besoin de temps pour apprendre.¬†

Au sein des ressources humaines, je pense que l'IA peut prendre en charge une grande partie du travail op√©rationnel. D'un autre c√īt√©, je pense qu'il est important que la "partie interpr√©tation" reste entre nos mains en tant qu'experts. Notre processus d'√©valuation des performances, par exemple, pourrait √™tre optimis√© gr√Ęce √† l'IA, mais l'interpr√©tation de la raison pour laquelle une personne vient de commencer √† √™tre plus performante par rapport √† une p√©riode ant√©rieure reste de notre ressort. √Ä mon avis, l'IA ne ferait que mettre encore plus en valeur la capacit√© unique des humains. Et n'est-ce pas l√† l'exemple parfait de la mani√®re dont les ressources humaines pourraient aller de pair avec l'IA ?¬†

‚Äć

Chez ML6, nous sommes une entreprise d'IA de haute technologie. Mais pr√©cis√©ment gr√Ęce √† notre approche humaine en mati√®re de ressources humaines, nous adressons un message clair √† nos collaborateurs d'une part, et au monde ext√©rieur d'autre part.

‚Äć

Postes connexes

Voir tout le contenu
Aucun résultat n'a été trouvé.
Il n'y a pas de résultats correspondant à ces critères. Essayez de modifier votre recherche.
Grand modèle linguistique
Modèles de fondation
Entreprise
Personnes
Données Structurées
Chat GPT
Durabilité
Voix et son
Développement frontal
Protection des données et sécurité
IA responsable/éthique
Infrastructure
Hardware et capteurs
MLOps
IA générative
Natural Language Processing
Vision par ordinateur