Algorithmes, recrutement prédictif…et l’humain dans tout ça ?

Algorithmes, recrutement prédictif…et l’humain dans tout ça ?

FacebooktwitterlinkedinmailFacebooktwitterlinkedinmail

 Je suis toujours très enthousiaste de voir le public affluer aux conférences sur l’innovation, les nouvelles technologies et comment elles vont transformer nos façons de travailler.

Les dernières présentations que j’ai animées sur les nouvelles méthodes d’évaluation (recrutement prédictif) ont suscité les mêmes réactions. Je peux les regrouper en 3 phases :

Tout le monde est tellement attaché à son pouvoir décisionnel, qu’il en oublie pourquoi il recrute…

Quand on présente le recrutement prédictif 

#1 « J’utilise déjà des tests pour ma shortlist et ça me suffit », « Oui….enfin ça reste des tests de recrutement… »

#2 « Wow…On peut vraiment anticiper tout ça ??? », « C’est incroyable d’arriver à être aussi juste », « C’est exactement ce qui nous fait défaut aujourd’hui », « C’est très puissant », « Je ne pensais pas que c’était possible », « Ça dépasse largement les tests que je connaissais jusque là… ».

#3 « C’est vraiment fort comme outil…mais c’est un peu effrayant aussi », « Enfin il ne faudrait pas que ça nous remplace non plus… », « J’ai peur de m’en remettre à l’outil pour prendre les décisions », « Je risque d’être influencé dans mon interprétation », « ET L’HUMAIN DANS TOUT ÇA ??? »

Tout le monde est tellement attaché à son pouvoir décisionnel, qu’il en oublie pourquoi il recrute : faire en sorte que chacun réussisse et se réalise dans le job qu’on va lui confier. Et si l’algorithme – qui prend en compte des centaines de data points sur une personne et qui analyse des milliers de postes en quelques dixièmes de secondes – prend de meilleures décisions qu’un recruteur devant un CV et une lettre de motivation, où est le problème ?

La plupart des gens s’émerveillent de ce que peuvent apporter les algorithmes… jusqu’à ce qu’ils projettent ce que ça veut dire pour leur situation personnelle : soit il s’agit de personnes assez brillantes pour capter le potentiel de ces évolutions et qui en profitent pour transformer leur activité (exemple : Fathallah Charef, DRH de BHV Marais), soit ça les dépasse et ils se renferment dans le dogme que tout ce qui touche à l’humain ne peut être traité que par l’humain.

Les algorithmes sont meilleurs que l’intuition des experts dans 46% des situations.

La science vs l’intuition des experts

Sortons des croyances et regardons les articles scientifiques qui abordent le sujet. La méta-analyse de Grove et Al. (2000) fait état de 136 études qui comparent la qualité des décisions « cliniques » (intuitives) de celles « mécaniques » (suivant un modèle). En voici les conclusions :

  • Les algorithmes sont meilleurs que l’intuition des experts dans 46% des situations.
  • Les algorithmes sont équivalents à l’intuition des experts dans 48% des situations.
  • L’intuition des experts est meilleure que les algorithmes dans 6% des situations.

Exemple d’une des études présentes dans la méta-analyse, qui s’intéresse à la prédiction du succès managérial : la corrélation des prévisions des experts s’élève à .19, celle des algorithmes à .46.

Quelques remarques des auteurs :

  • Le niveau de pratique et d’expérience des experts n’influence pas la différence de précision entre les deux méthodes.
  • Le fait que les experts disposent de plus d’informations que les algorithmes n’influence pas la différence de précision entre les deux méthodes.

Le fait que les experts disposent de données issues d’un entretien fait même baisser qualité de leur prédiction, ce qui renforce la supériorité des algorithmes ! (Relisez cette phrase 3 fois avant de poster un commentaire sur l’importance de rencontrer les personnes avant de prendre une décision les concernant…).

Dans une autre méta-analyse de Kuncel (2013) publiée dans la revue Journal of Applied Psychology puis reprise dans le numéro de la Harvard Business Review de mai 2014, la prédiction de la performance en poste par des méthodes statistiques versus l’estimation des experts renvoient aux mêmes conclusions :

  • Corrélation de la prédiction des algorithmes sur la performance en poste (pour 1392 personnes) : .46
  • Corrélation de la prédiction des experts sur la performance en poste (pour 1156 personnes) : .27

Commentaires des auteurs :

Les algorithmes améliorent la prédiction de la performance en poste de plus de 50%.

Une quantité et une qualité importante d’information est perdue lorsque les données sont réinterprétées par les experts, même lorsqu’ils connaissent le poste et l’entreprise en question.

La science vs les croyances populaires

Et pourtant, on continue à lire dernièrement dans Forbes des avis d’experts qui commentent les modèles prédictifs de la sorte : « Je crois que le prédictif est un leurre. On peut faire du prospectif mais pas prédire l’avenir. ».

Prendre une décision de recrutement, c’est faire du prédictif, c’est anticiper la capacité d’une personne à réussir à l’avenir dans un poste donné. Et ce que montre notre niveau de connaissance actuel, c’est que les algorithmes sont deux fois meilleurs que les experts sur le sujet. Jouer sur les peurs est malhonnête et ne pourra pas tenir longtemps.

Autre erreur classique constatée dans le même article : « Il faut voir les algorithmes comme un observatoire, mais on a toujours besoin d’un observateur, pour qu’il prenne les décisions et qu’il exerce son intuition ». C’est la croyance populaire que tout le monde veut entendre, or les études scientifiques convergences sur les mêmes conclusions. Pour rappel : Une quantité et une qualité importante d’information est perdue lorsque les données sont réinterprétées par les experts, même lorsqu’ils connaissent le poste et l’entreprise en question. (Kuncel, 2013)

En France, on est encore trop orgueilleux pour accepter ces conclusions, et on se plait à dire que notre intuition prévaut toujours dans les décisions.

 

Le nouveau rôle des experts

Les experts garderont un rôle important à l’avenir, mais pas celui que l’on pense. Ils ne sont pas les meilleurs pour tirer partie des conclusions des algorithmes en fin de processus. Ils ont en revanche un rôle essentiel au départ pour nourrir ces algorithmes. En effet, les modèles statistiques n’ont que la valeur des données qui les ont nourris. Le rôle des experts, c’est d’alimenter les machines learning avec des données de qualité pour assurer des prédictions en phases avec les attentes. Les algorithmes ne savent pas ce qu’ils doivent faire, c’est nous qui les configurons pour ça, et c’est là que nous avons intérêt à nous positionner.

« On tolère aujourd’hui que les décisions humaines conduisent à 2 fois plus d’erreurs que les algorithmes si on les laissaient décider ! »

Avec de telles conclusions, pourquoi n’utilisons pas plus les recommandations des algorithmes pour prendre nos décisions ? Je constate qu’il est difficile pour quelqu’un d’accepter l’idée que l’algorithme puisse se tromper. « C’est une machine, elle avait toute l’information, alors si elle se trompe c’est qu’elle n’est pas fiable, on ne peut pas lui faire confiance ». Alors qu’une personne qui se trompe, c’est humain… et on tolère aujourd’hui que les décisions humaines conduisent à 2 fois plus d’erreurs que les algorithmes si on les laissaient décider !

Ce problème n’est pas propre au secteur RH, il fait débat aujourd’hui dans l’automobile avec la conduite automatique : Est-on prêt à accepter des voitures en auto-pilote qui réduiraient de moitié les accidents mortels sur les routes ? Pas si évident.

L’avenir se fera avec les algorithmes. Vous devez décider s’il se fera avec vous.

 

En conclusion

Il sera bientôt donné à tous le monde d’accéder à cette intelligence. Il a même été constaté que les outils avec lesquels nous travaillons aujourd’hui (calendriers partagés, mails, messageries instantanées, applications de transport,…) sont l’équivalent de ce qu’était un(e) assistant(e) personnel(le) dans les années 70. Nous avons une facilité d’organisation à laquelle seuls les dirigeants avaient accès il y a 40 ans, et bientôt nous pourrons prendre des décisions meilleures que n’importe quel expert dans son domaine. C’est la plus belle revanche sur les inégalités d’accès à l’information, à la connaissance, et au QI qui nous ait été donné…

Ce qui est regrettable, c’est que son imperfection inquiète alors qu’il faudrait que chacun s’en saisisse pour participer à son développement. C’est maintenant qu’il faut passer le pas, utiliser ces outils encore imparfaits pour construire l’avenir, car il se fera dans tous les cas avec eux. Vous devez décider s’il se fera avec vous.

 

Simon BARON

Chief Science & Innovation 🚀🚀
AssessFirst

FacebooktwitterlinkedinmailFacebooktwitterlinkedinmail
lbroussal

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *