IA : les nouveaux processus de recrutement

Tout au long du process de recrutement, l’IA (Intelligence Artificielle) est utilisée de plus en plus.

Depuis les années 90, dans les pays anglo-saxons, cette pratique est mise en place. En France, elle se développe réellement depuis ces 10 dernières années. L’IA permet, dans le processus d’embauche, de
gagner du temps, plus particulièrement au cours des première étapes et de mieux cibler les meilleurs candidats.

L’utilisation de l’IA dans les recrutements continue de se développer et joue un rôle essentiel dans la
sélection des candidats et le repérage des meilleurs profils.

L’Apec réalise chaque année une étude sur le recrutement externe des cadres dans les entreprises de plus de cinquante personnes. Après dix années d’observation, l’Apec a réalisé une étude qui remet en perspective les dix dernières années pour observer les variations et les évolutions des méthodes de recrutement.

La publication de l’offre d’emploi et le traitement des CV

Si l’offre d’emploi est toujours d’actualité car elle reste un moyen simple à mettre en place qui peut ensuite être diffusé rapidement par de multiples canaux, le recrutement a fortement évolué, surtout au niveau des premières étapes du process car, il est vrai que la finalisation du recrutement passe, pratiquement systématiquement, par un ou plusieurs entretiens physiques. Les entretiens sont donc une étape clé avant la signature du contrat et s’imposent encore et toujours comme faire-valoir d’une embauche.

Avant de publier l’offre d’emploi, le cabinet de recrutement étudie, avec l’entreprise, le besoin et, si nécessaire, apporte des conseils avisés sur l’élaboration du projet de recrutement. Parallèlement à la publication de l’offre d’emploi sur les jobboards les plus consultés et sur les réseaux sociaux les plus dynamiques, le cabinet de recrutement recherche le meilleur candidat par approche directe. Pour ce faire, le cabinet de recrutement réalise un sourcing multicanal en puisant, méthodologiquement, dans le vaste volume de données à disposition via les réseaux sociaux (recrutement 2.0) et CV en ligne.

L’optimisation de l’exploitation des CV, de l’analyse des candidatures, avec les progrès de l’IA, permet de simplifier cette tâche particulièrement chronophage.

Le machine learning* en recrutement, ainsi que le deep learning**, permettent une évaluation des talents automatisée, plus rapide et plus performante en temps réel. Les rapports d'analyse des profils des candidats, d'abord manuels, sont désormais générés automatiquement sur la base de leurs résultats.

Recourir au Big Data et au Machine Learning se présente à ce stade comme la meilleure alternative pour optimiser les recrutements. En mettant en place un algorithme de tri de haut niveau, les recruteurs peuvent rapidement identifier les profils de candidats les plus intéressants à retenir, sans perdre trop de temps dans la sélection des dossiers. Le gain de temps dans le recrutement, notamment lors de cette cette étape, est particulièrement intéressant pour les recruteurs.

Le recrutement prédictif

Le recrutement prédictif permet aux recruteurs, via un algorithme, de mieux cibler les candidats pouvant correspondre à un poste donné. Pour trouver le candidat idéal, le recrutement prédictif se révèle être un outil performant.

En pratique, le recrutement prédictif passe tout d’abord par la définition des besoins par l’entreprise et la collecte de données au sein de celle-ci. Les données peuvent être recueillies auprès des personnes occupant les postes concernés, ainsi qu’au niveau du management en récoltant les données relatives aux résultats de chacun, etc . L’objectif est d’aboutir à une définition des profils les plus performants et de répertorier les facteurs clés de performance pour le poste souhaité.

Les données collectées permettent par la suite d’établir un modèle. Les entreprises doivent ensuite définir le seuil à partir duquel elles considèrent qu’un candidat peut être suffisamment qualifié pour le poste proposé. Les recruteurs peuvent prédire la performance future du candidat aussi bien que son engagement dans le poste et ses affinités avec la culture d'entreprise.

Contrairement au recrutement traditionnel, le recrutement prédictif est une méthode de recrutement qui repose sur des critères de sélection qui ne sont pas établis de manière subjective, en fonction de ce que pensent les recruteurs. Ils se basent sur des données objectives et notamment sur les caractéristiques des personnes en poste et des performances qu’elles délivrent. Data, Algorithmes, Machine Learning, … représentent la base de ces moyens qui révolutionnent la technique de recrutement. L’évaluation première des candidats est donc facilitée et est qualitative.

L’assessment center ou session d’évaluation

Cette approche vise à apprécier l’adéquation entre les comportements d’un candidat, liés à sa personnalité et à son expérience, et les exigences du poste à pourvoir. Elle repose sur la mise en situation du candidat et sur l’observation de ses comportements par des professionnels de l’évaluation. Un assessment center propose des tests individuels, avec un partenaire et/ou collectifs. Chaque test est adapté à l’entreprise et au profil de poste à pourvoir (tests de personnalité, de comportements professionnels, de raisonnement, mises en situation professionnelle (jeux de rôles,…)).

Là aussi, l’intelligence artificielle apporte plusieurs avantages, notamment :

La précision des données des candidats, rendue possible par la puissance des ordinateurs capables d’évaluer précisément de très grandes quantités de données pour faire les meilleurs choix,
L’efficacité et la possibilité d’évaluer des données spécifiques au poste de manière cohérente et objective,
L’objectivité du traitement des données, évitant ainsi les préjugés ou les choix discriminatoires,
La transparence totale du processus de sélection à la seule condition que le système repose sur l’accès à toutes les informations de mesure (ce sui est mesuré et comment).

Parallèlement, la mise en place de chatbots interactifs, programmes qui permettent de répondre aux questions posées en temps réel apportent une aide immédiate aux candidats au sujet du processus de sélection ou de certains tests.

Les entretiens vidéos

Lors des entretiens vidéos, l’IA permet de retranscrire les données audios et d'analyser le contenu par rapport un référentiel de compétences validé scientifiquement. L’IA permet de présélectionner les meilleurs profils.

L’utilisation de l’IA est-elle autorisée par la loi ?

Le processus de recrutement des candidats, qu'il soit interne ou externe, doit toujours être juridiquement défendable. Toute discrimination négative comme positive est proscrite. Dans le cadre du RGPD (législation européenne : Règlement Général sur la Protection des Données), tout candidat doit être, au préalable, informé de l’utilisation de ses données, et connaître le but et les modalités d’usage des test utilisés dans leur recrutement.

L’avenir du recrutement prédictif

Si les processus de recrutement prédictifs sont en mesure de réaliser, mieux que nous, une présélection efficace (par exemple, identifier en 1 seconde parmi 500 candidats les 10 qui ont - objectivement - les plus fortes probabilités de réussir dans un poste donné, dans une entreprise donnée), aucun d'entre eux n'est capable de créer une véritable relation avec les finalistes et/ou de leur vendre une opportunité de manière engageante.

En fait, à chaque fois qu'il s'agit de prendre une décision complexe impliquant des aspects émotionnels ou des rapports d'influence, l'être humain surpasse la machine, et de loin.

Et c'est bien là tout l'enjeu du recrutement prédictif : offrir l'opportunité aux recruteurs de se réapproprier ce temps qui leur manque souvent terriblement pour leur permettre de se consacrer pleinement à ce qu'ils sont seuls en mesure de faire réellement : se centrer sur la relation à leurs candidats et l’appréciation humaine qui reste un facteur clé.

Définitions

Le Machine Learning est une technologie d’intelligence artificielle permettant aux ordinateurs d’apprendre sans avoir été programmés explicitement à cet effet. Un tel système append à partir de l’expérience et plus le volume de données traitées est important, plus ses performances s’améliorent. C’est pourquoi, au même titre que l’intelligence artificielle, le fonctionnement du Machine Learning ne peut se faire qu’avec le Big Data qui permet d’accélérer la courbe d’apprentissage et d’automatiser les analyses de données.
Le Deep Learning ou ‘apprentissage profond’ est un sous-domaine de l’intelligence artificielle (IA). Il représente un système avancé basé sur le cerveau humain, qui comporte un vaste réseau de neurones artificiels, neurones interconnectés pour traiter et mémoriser des informations, comparer des problèmes ou situations diverses avec des situations similaires passées et, ainsi, analyser les solutions et résoudre le problème de la meilleure façon possible.