Comment l’analyse prédictive améliore la présélection et les recrutements ?

En mettant en place l’analyse prédictive dans vos recrutements (notamment la méthodologie du recrutement prédictif), vous faites partie des précurseurs en matière de HR analytics. Ce sujet s’impose peu à peu dans les groupes de réflexion et auprès des acteurs RH… Et comme toute tendance innovante, le recrutement prédictif va être accaparé par pléthore de prestataires RH déçus de n’avoir percé dans les « RH 3.0 » et autres conseils en management de la « Génération Y »…

Pourtant, chez AssessFirst, si nous avons tenu à mettre un terme français sur cette pratique et que nous apparaissons dans 6 des 10 premiers résultats Google sur la recherche « Recrutement prédictif » ; c’est que nous tenons à faire valoir une expertise qui implique une méthodologie précise. Aussi, n’importe quel acteur du recrutement ne peut se prévaloir d’exercer un recrutement prédictif.

Le recrutement prédictif doit suivre 4 principes qui conditionnent la qualité des résultats obtenus en matière de recrutement, ainsi que le cadre de son application:

Lire le Mode d’Emploi du Recrutement Prédictif

Les 4 principes fondateurs du Recrutement Prédictif

#1 – Analyse Prédictive Recrutement : que voulez-vous prédire ? (Et vous n’avez le droit qu’à une réponse SMART)

Avant d’apporter des éléments de réponse, le recrutement prédictif soulève des questions que chaque entreprise devrait se poser lorsqu’elle recrute.

Et une de nos questions préférées est « Que voulez-vous prédire ». Car derrière son apparence évidente, elle relève les vrais enjeux d’une organisation. La première réponse qui vient à l’esprit est « la réussite futur des candidats »… Ok sur le principe, mais qu’est-ce que la réussite, chez vous, à ce poste ?

Ce que vous devez avoir en tête pour répondre à cette question, c’est que vous pouvez choisir d’agir sur 2 types de facteurs :

Les facteurs liés à la performance :

  • Chiffre d’affaire
  • Réussite en formation
  • Nombre de nouveaux clients
  • Délais de livraison
  • Niveau de qualité
  • Marge
  • Nombre de bugs fixés
  • Niveau sur une « nine box grid »

Ou tout simplement le pourcentage d’atteinte des objectifs. Presque chaque poste possède des indicateurs clés de suivi de l’activité.

Les facteurs liés aux risques :

  • Turnover
  • Absentéisme
  • Plaintes

Choisir le critère prioritaire à maximiser lors de votre sélection est une des conditions clés de la réussite d’un recrutement prédictif. Il est en effet rare de pouvoir agir de façon maximale sur un ensemble de variables.

C’est l’évolution de ce critère qui sera suivie dans le temps pour mesurer les effets du recrutement prédictif en termes de résultat.

Obtenir le Guide de l’approche prédictive du recrutement

#2 – Recueillir et analyser les données

Le recrutement prédictif n’a que la valeur des données sur lesquelles il se base. En conséquence, le recueil d’information est décisif pour assurer une démarche de qualité dans l’analyse prédictive.

L’écueil à éviter : se fonder sur des informations déclaratives. Certaines personnes associent l’analyse prédictive (recrutement prédictif) à la capacité d’anticiper les compétences requises pour un poste. Elles vont par exemple recueillir la description des collaborateurs qui réussissent dans la fonction, et l’appliquer dans leur sélection. Cette pratique n’a rien de prédictive, elle s’apparente simplement à un recrutement classique. L’intérêt du recrutement prédictif (l’analyse prédictive) est justement de dépasser l’écueil des informations subjectives.

Afin de mener des études statistiques solides, deux questions se posent : celle de la qualité des informations et celle de la quantité des informations.

Pour assurer la qualité des informations recueillies, vous devez vous attacher à les répertorier à 3 niveaux :

1) Vous devez être capable de mesurer ce que vous cherchez à prédire, et le mesurer dans le temps. Une information prise à un instant T peut être le fruit d’un événement aléatoire, alors que si elle se reproduit sur une période significative, il ne s’agit plus du hasard.

2) On trouve ensuite les informations qui peuvent expliquer que l’obtention de ces résultats diffère d’un individu à l’autre. Il s’agit des caractéristiques individuelles, et  principalement celles-ci : personnalité, motivations, niveau de raisonnement, diplômes, expérience, distance domicile-travail…

3) Il faut aussi répertorier toutes les variables contextuelles qui pourraient influencer les résultats obtenus par une personne. Quelques exemples : ancienneté, localité, secteur d’activité, manager… Ces variables permettent d’assurer la part de performance liée aux conditions de travail et la part liée aux caractéristiques individuelles précédemment citées.

Au point de vu quantitatif, il n’y a pas de seuil idéal pour implémenter une analyse prédictive de vos recrutements. L’important est l’information à disposition : mieux vaut avoir l’information sur 80 personnes parmi une population de 100 que l’information sur 300 personnes parmi une population de 5000.

Dernière chose…ne faites pas confiance à un prestataire sous-prétexte qu’il emploie le mot « corrélation ». Voici une corrélation significative (Taux de divorce dans le Maine et consommation de margarine) :

Faut-il en tirer un lien de causalité pour autant ?


L’analyse des données permet de mettre en avant les caractéristiques et variables qui impactent le critère que l’on veut prédire….et celles qui n’ont aucun effet. C’est ainsi que certaines entreprises ont constaté que le diplôme ou l’expérience n’avait pas d’impact sur la réussite en poste et qu’il ne fallait pas les prendre en compte dans leurs critères de sélection.

Le livre blanc de l’approche prédictive du Recrutement

#3 – Constituer un modèle prédictif

 Lorsque l’on parle de modèle prédictif, on parle de la formule de calcul qui va aboutir à une recommandation en terme de recrutement.

Ce modèle est constitué des variables précédemment identifiées. Chaque candidat y sera confronté afin d’estimer sa probabilité à performer sur le critère cible. Ainsi, le matching modèle/candidat peut donner lieu à deux types d’outputs :

  • Une estimation en classes. Exemple : probabilité faible, moyenne ou élevé de performer
  • Une estimation linéaire sous forme de score ou pourcentage. Plus le score est important, plus la probabilité de réussir est importante.

Vous pouvez estimer la qualité d’un modèle prédictif en le confrontant à des personnes en poste dont vous connaissez le niveau de performance. Cela donnera lieu au tableau suivant :

  • L’erreur de type 1 correspond aux personnes que le modèle évalue comme ayant un bon potentiel de réussite alors que ce n’est pas le cas dans la réalité.
  • L’erreur de type 2 correspond aux personnes que le modèle évalue comme ayant un faible potentiel de réussite alors que les personnes en poste réussissent.

Ce qu’il faut avoir en tête, c’est que ce tableau est valable pour tout système de recrutement : il arrive que des candidats que l’on n’a pas recrutés se sont avérés être de bons collaborateurs en poste, et de la même manière des personnes recrutées se sont avérées ensuite être en situation d’échec.

Ce que vous devez garder en tête, c’est savoir dans quelle mesure le modèle prédictif peut améliorer la qualité de vos décisions actuelles. Une fois l’estimation faite, à vous de valider (ou non) le déploiement du modèle prédictif dans votre process de sélection.

#4 – Mesurer l’impact de l’analyse prédictive

Il n’est ni modèle parfait, ni modèle qui soit éternel. L’analyse prédictive recrutement implique de travailler par itération. Un bilan est à réaliser périodiquement afin de continuer à l’améliorer.

Mesurer l’impact consiste à suivre l’évolution de l’indicateur que l’on cherche à maximiser.

Une question peut se poser : comment peut-on savoir si l’effet sur la performance est dû davantage à des facteurs contextuels ou au recrutement de profils différents ?

Il y a deux façons de répondre à cette question :

  • Une entreprise ne recrute jamais que des profils en adéquation maximale avec le modèle. Vous pouvez donc comparer les résultats obtenus par les personnes recrutées à l’encontre du modèle et ceux des personnes recrutées en phase avec le modèle.
  • S’il s’agit d’un effet contextuel, toute la population cible en aura bénéficié, aussi vous pouvez lisser cet effet en le mesurant sur les personnes qui étaient présentes avec la mise en œuvre du recrutement prédictif.

Le « machine learning » fait aussi partie des nouvelles technologies qui permettront d’optimiser l’analyse prédictive au travers des modèles prédictifs à travers une mise à jour en temps réel des critères.

Conclusion

Le recrutement prédictif va peu à peu s’imposer comme une référence dans les meilleures pratiques RH. Comme toute technique, il mérite certaines précautions, et surtout de faire appel à des acteurs qui maîtrisent ce sujet.

La présentation de ces 4 principes fondateurs a pour objectif de poser les premières bases et les bonnes pratiques de ce que doit être la mise en place d’une analyse prédictive recrutement par une organisation.

L’ebook du Recrutement Prédictif

Laisser un commentaire

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.

%d blogueurs aiment cette page :