Corporate Digital Responsibility: L’IA met les RH devant de nouvelles responsabilités
Prof. Dr. Sibylle Olbert-Bock
Prof. Dr Sibylle Olbert-Bock est professeur au centre de compétences pour le leadership et la gestion du personnel à la Haute école spécialisée de Suisse orientale, campus de Saint-Gall.
Aides de travail appropriées
La diffusion de l’IA
L'automatisation par l'intelligence artificielle (IA) ou l'apprentissage automatique (machine learning) fait son entrée, bien que timidement, dans les entreprises suisses. Les estimations sur l'utilisation des données et l'étendue de l’apprentissage automatique dans les entreprises varient. Certaines études parlent de 16%, d'autres de 6% (Fraunhofer IAO, 2019; Billerbeck, 2020). Cette hésitation s’explique notamment par des considérations financières, des questions de sécurité technique et de fiabilité des systèmes d'IA, des incertitudes quant à la protection des données, un manque de compétences et le gain d'un faible avantage et des risques élevés pour l'entreprise elle-même. Les grandes entreprises sont généralement plus avancées dans ce genre de processus que les PME, qui rencontrent des difficultés particulières en raison de leurs ressources limitées (Prebit, 2021). Néanmoins, les solutions basées sur les données et l'apprentissage automatique reviennent de plus en plus souvent sur la table des RH. Plus une entreprise est avancée dans le développement numérique, plus elle a en effet de chances d'être également numérisée dans le domaine des ressources humaines. On parle d'un rapport synchrone entre le degré de numérisation et le développement des ressources humaines et l'ensemble de l'entreprise (Prebit, 2021).
Solutions basées sur les données et le machine learning: quelques scénarios
Les scénarios d'application sélectionnés dans les RH sont par exemple le «robot recruteur» dans le recrutement, la planification intelligente de l'affectation du personnel, l'évaluation des performances basée sur l'IA et les systèmes de feedback pour la gestion des performances ainsi que l’analyse de l’apprentissage ou learning analytics dans le développement du personnel. Les voici décrits plus en détail ci-dessous.
Le robot recruteur décrit des solutions basées sur les données pour l'acquisition active de collaborateurs, le matching et la sélection de la main-d'œuvre. Dans le cadre de la pénurie de personnel qualifié, un système de recherche intelligent peut être particulièrement précieux pour trouver du personnel spécialisé. Pour ce faire, les «robots recruteurs» peuvent proposer à l'employeur des profils de candidats adaptés. Les premiers entretiens avec les candidats ont lieu virtuellement via des chatbots intelligents. Les systèmes de sélection intelligents peuvent faire des prévisions sur l'aptitude d'un candidat à l'aide, par exemple, de l'évaluation automatisée de CV, de tests de personnalité ou de créativité basés sur le web, d'une sélection à l'aide d'échantillons de voix ou d'entretiens vidéo.
Des plans d'affectation du personnel intelligents doivent à l'avenir prendre en charge la planification du personnel. Dans le cas du contingent workforce management dans le secteur de la production, l'IA peut permettre de planifier de manière optimale les employés classiques à temps plein et à temps partiel, mais aussi les consultants, les indépendants ou les intérimaires. Le système permet de tenir compte de paramètres variés et changeants (personnels, juridiques, etc.) et de soutenir la flexibilité. Dans le domaine des logiciels, l'IA offre en outre une planification du personnel basée sur les compétences: les travailleurs impliqués dans plusieurs projets sont planifiés en fonction de leurs compétences spécifiques. Les avantages d'une planification intelligente de l'affectation du personnel résident dans la mise en évidence d'opportunités et de nouvelles solutions pour l'affectation actuelle et future de la main-d'œuvre.
La gestion des performances consiste à contrôler les performances des collaborateurs et à les évaluer, afin de les améliorer. Dans une culture du feedback où la fréquence des feedbacks augmente, les collègues de l'équipe peuvent compléter le retour sur la performance de l'individu par le biais du feedback entre pairs. L'évaluation en temps réel est un outil qui offre un retour immédiat et qui peut compléter les feedbacks traditionnels sur des points précis. Elle peut améliorer la communication au sein de l'équipe et servir de système d'alerte précoce. Le feedback numérique est surtout utilisé dans les entreprises et les fonctions où l'échange face à face n'est pas possible en permanence.
Un autre domaine d'application est l’analyse de l’apprentissage ou learning analytics. Cet outil peut être utilisé dans le cadre du développement du personnel et doit permettre de saisir l'utilité des formations continues proposées dans l'entreprise. Cette analyse fournit par exemple des informations sur le processus d'apprentissage d'une personne. Le cas échéant, ces informations sont ensuite transmises en temps réel aux apprenants et aux enseignants afin d'améliorer en permanence les contenus d'apprentissage et les processus. Le learning analytics peut fournir une vue d'ensemble du niveau des connaissances et de développement du personnel. L'amélioration, le contrôle et l'optimisation des processus d'apprentissage peuvent être ensuite orientés vers un budget précis. Enfin, des outils intelligents peuvent être utilisés pour optimiser les mesures et les processus de formation continue.
Lire la suite avec 
- Accès illimité à plus de 500 aides de travail
- Tous les articles payants en accès illimité sur weka.ch
- Actualisation quotidienne
- Nouveaux articles et aides de travail hebdomadaires
- Offres spéciales exclusives
- Bons séminaires
- Invitations aux webinaires en direct
