L’analyse prédictive est utilisée depuis de nombreuses années, mais elle s’est particulièrement développée ces dernières années. On la retrouve dans des secteurs comme la finance, les assurances ou le marketing. Elle est cependant encore trop peu utilisée dans les ressources humaines, alors que ce domaine est en constante évolution. Selon une étude, 80 % des emplois prévus en 2030 n’existent pas encore. De plus, les habitudes des salariés changent avec l’arrivée des Milléniaux sur le marché.
Pour rester compétitifs, les employeurs doivent se munir des meilleures armes, et l’analyse prédictive en fait partie. Voici pourquoi et comment la mettre en œuvre facilement dans son entreprise.
Nos autres articles :
Le tableau de bord RH : indispensable en entreprise?
Recrutement Prédictif : La clé de votre réussite dans la chasse aux talents !
Comprendre l’analyse prédictive
Définition et principes fondamentaux
L’analyse prédictive est l’étude des données passées et présentes dans le but de prédire le futur. Tirée de la « data science », elle consiste à chercher des relations entre différentes variables à travers la modélisation. Il s’agit donc d’un mélange de statistiques, d’exploration de données et d’apprentissage automatique.
L’analyse prédictive s’applique sans problème au domaine des ressources humaines. Dans ce cas, elle explore les données de manière numérique pour extraire et catégoriser les informations concernant le capital humain. Il convient ensuite d’identifier les modèles, les irrégularités et les corrélations pour prendre des décisions.
Les types de données utilisés
L’analyse prédictive en RH s’appuie sur une grande variété de données. Les différentes sources de données sont notamment les SIRH, les ATS, les plateformes d’évaluation de performance ou encore les enquêtes internes.
Les données structurées
Les données structurées dont le pôle RH se sert dans l’analyse prédictive concernent la démographie (âges, sexe, ancienneté, etc.), la performance (KPI), les rémunérations, le recrutement, la formation, les absences et les congés, la mobilité interne et les départs (notamment les motifs et les dates de départ).
Les données non structurées
Pour tenter de prédire des comportements et des événements, on peut se baser sur des données non structurées. On les retrouve dans les commentaires des évaluations, les réponses aux sondages, les CV et lettres de motivation, et les profils sur les réseaux sociaux professionnels.
Les techniques d’analyse prédictive les plus couramment utilisées en RH
Les plateformes d’IA proposent de nombreux modèles prédictifs. Les suivants sont couramment utilisés par les services RH :
- L’arbre de décision : diagramme d’arborescence basé sur un ensemble de règles et de conditions. Cet outil prédictif sert à comprendre les performances d’un salarié en fonction de son niveau d’éducation ou de ses expériences par exemple.
- La régression linéaire : modélisation de la relation entre variables dépendantes (comme la performance au travail) et indépendantes (comme l’expérience ou la formation). C’est l’une des techniques de prédictive les plus courantes.
- Les modèles de classification : aident à attribuer une observation à une catégorie prédéfinie. Elle a tendance à être utilisée dans le recrutement afin d’évaluer la pertinence d’un candidat à un poste donné.
- L’analyse de texte et NLP (traitement du langage naturel) : extraction d’informations à partir de données non structurées. Cette méthode se focalise sur les sentiments et les préoccupations des collaborateurs.
- L’analyse de survie : étude du temps qu’il faut avant qu’un événement se produise. Par exemple, on prédit la probabilité que tel salarié quitte l’entreprise à une certaine période.
- Les méthodes de clustering : regroupe sur la base de caractéristiques communes. Cette technique facilite la segmentation des salariés dans le but de personnaliser la gestion des RH par groupe ensuite.
- L’analyse de séries chronologiques : études des données dans le temps. Dans ce cas, l’analyse prédictive permet d’anticiper les fluctuations (du turnover, de la satisfaction des salariés, etc.).
- Les réseaux de neurones artificiels : fonctionnent comme le cerveau humain pour un apprentissage profond (de modèles cachés ou de données complexes).
Les domaines d’application de l’analyse prédictive RH
Presque tous les domaines RH se prêtent à l’analyse prédictive. Elle y est utilisée pour améliorer l’efficacité, réduire les coûts, renforcer la rétention des talents et augmenter l’engagement des employés au sein de l’organisation. Les équipes peuvent s’en servir pour étudier finement chaque domaine ou bien décider d’analyser la gestion globale des RH.
Recrutement et sélection des candidats
Les chargés de recrutement analysent les caractéristiques et les compétences des salariés qui ont le plus réussi sur le poste proposé. Ils n’ont plus qu’à trouver les candidats avec un profil similaire (compétences, expérience…), c’est ce qu’on appelle le recrutement prédictif.
Rétention des salariés
La prévision des risques de départ est plus facile lorsque l’on étudie des éléments tels que la satisfaction au travail ou l’engagement des salariés. La bonne stratégie pour retenir ses talents émerge naturellement.
Formation et développement
En prenant en compte les besoins en formation et en anticipant les compétences futures nécessaires, l’analyse prédictive permet de mettre en place des programmes de développement plus pertinents.
De même, elle aide à repérer les salariés à fort potentiel. Cela facilite la planification de la relève. L’entreprise peut ainsi assurer la continuité des compétences.
Gestion des performances
Dans ce cas, l’analyse prédictive se concentre sur les facteurs qui influencent la performance. Après les avoir détectés, il convient d’apporter des améliorations là où c’est nécessaire et de fournir les ressources aux collaborateurs à fort potentiel.
Rémunération
Lorsque l’on étudie les données sur la rémunération ainsi que celles sur la performance, on peut établir des niveaux de rémunération plus compétitifs et plus équitables.
Gestion des effectifs
En observant les tendances passées en matière d’absentéisme et de congés, l’employeur gère mieux le temps de travail. Il peut planifier les effectifs et anticiper les pics d’absences.
Les avantages de l’analyse prédictive
De manière générale, l’analyse prédictive permet d’anticiper les changements. C’est aussi un outil décisionnel reposant sur des bases de données fiables. Il est assez accessible, car les entreprises peuvent toutes acquérir à un coût assez abordable des puissances de calcul, un algorithme fiable ou un logiciel d’analyse. Le Big Data n’est plus réservé aux grandes multinationales. Autre avantage considérable, l’analyse prédictive permet l’automatisation des processus. Les équipes concentrent ainsi leurs efforts sur des missions à plus forte valeur ajoutée. Elles gagnent également un temps précieux. Au final, l’entreprise réduit ses coûts.
Du point de vue du DRH, l’analyse prédictive est essentielle pour comprendre la réaction des collaborateurs face aux différentes politiques RH. Il a ainsi la possibilité d’être proactif et de transformer les données historiques en un avantage concurrentiel : il évite et anticipe les divers risques RH, il réduit les erreurs humaines et il améliore les pratiques RH. Sans compter qu’il détient les clés pour encourager la motivation et l’engagement des salariés pour une meilleure performance globale.
Les étapes de mise en œuvre de l’analyse
- Collecter et nettoyer les données
Avant d’analyser les données, vous devez en rassembler le plus possible (au sujet de la démographie, des performances, du turnover, de l’absentéisme, des compétences, etc.). L’idéal est de pouvoir s’appuyer sur un logiciel RH complet et performant comme PeopleSpheres. Celui-ci permet de réunir des ensembles de données en temps réel et en un seul endroit.
Il est ensuite nécessaire de préparer les données collectées et de les nettoyer. Elles sont souvent désorganisées ou erronées. Au final, vous devez les rendre exploitables.
- Identifier les objectifs
Demandez-vous à quoi doit servir l’analyse prédictive. Souhaitez-vous améliorer l’engagement des salariés ? Instaurer une politique de rémunération plus juste ? Accroître la performance globale de l’entreprise ?
- Choisir les modèles analytiques les plus adaptés
Technique de régression, de classification ou encore d’analyse de séries chronologiques, vous avez l’embarras du choix dans les modèles de prédiction . Vous devez sélectionner celui ou ceux qui seront les plus adaptés à votre analyse des données.
- Analyser et interpréter
C’est le moment d’appliquer vos données aux modèles analytiques RH choisis. Identifiez ainsi les tendances et les relations dissimulées entre les différentes variables. Interprétez ensuite vos résultats de manière approfondie pour comprendre la prédiction.
- Implémenter les résultats
Utilisez les résultats de l’analyse prédictive pour une prise de décision éclairée en matière de gestion des ressources humaines.
- Analyser en continu
L’analyse prédictive fait partie d’un processus continu. Il convient donc de poursuivre la surveillance et l’évaluation régulière des résultats. Cela vous permet d’ajuster l’analyse ensuite et d’être plus précis.
- Respecter la confidentialité et l’éthique
Assurez-vous de sécuriser et de rendre anonymes toutes les données traitées. Sans cela, vous risquez de transgresser les réglementations concernant la confidentialité des données et la protection de la vie privée, notamment les RGPD.
En combinant l’exploitation des données (data mining), le machine learning et les algorithmes statistiques, l’analyse prédictive permet au service RH de maîtriser efficacement et précisément les facteurs d’évolution de l’activité. Elle offre la possibilité d’aller plus loin qu’une simple analyse des indicateurs RH traditionnels. Les DRH sont maintenant capables de prendre les bonnes décisions stratégiques en anticipant les dysfonctionnements et les mutations de la sphère professionnelle.
Attention néanmoins à ne pas laisser l’outil analytique prendre le dessus sur l’humain, au risque de se retrouver avec des collaborateurs ayant tous le même profil. L’analyse prédictive ne doit pas limiter la diversité. Au contraire, elle peut même servir à retrouver l’équilibre en matière de diversité et d’inclusion. Pour cela, il suffit d’observer si les données démographiques et les processus de recrutement révèlent des anomalies.
