Les 4 principes fondateurs du Recrutement Prédictif

Les 4 principes fondateurs du Recrutement Prédictif

FacebooktwitterlinkedinmailFacebooktwitterlinkedinmail

En vous intéressant au sujet du recrutement prédictif, vous faites partie des précurseurs en matière de HR analytics. Ce sujet novateur tend à s’imposer 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 :

 

#1 – 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.

#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.

L’écueil à éviter : se fonder sur des informations déclaratives. Certaines personnes associent le 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 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 un recrutement prédictif. 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) :

chart-margarine

(source)

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.

#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 :

inférence

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 du recrutement prédictif

Il n’est ni modèle parfait, ni modèle qui soit éternel. Le recrutement prédictif 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 les 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’un recrutement prédictif par une organisation.

 

SIMON-BARON-Chief-Scientist-AssessFirst

Simon BARON

Chief Scientist

sbaron@assessfirst.com

FacebooktwitterlinkedinmailFacebooktwitterlinkedinmail
Matthieu Gaudichau

commentaires

  1. Didier Viard affirme: juin 25, 2015 at 7:43

    Bonjour,
    N’étant pas du tout spécialiste du recrutement, je me bornerai à quelques grandes remarques. Je ne vois pas en quoi apparaîtraient maintenant des méthodes de recrutement qui seraient nouvelles parce que devenues « prédictives », dans la mesure où le recrutement a toujours visé à l’être. Il semble que la nouveauté que vous annoncez résiderait dans le principe d’appliquer maintenant quelques grandes démarches générales de quantification et de revalidation permanente d’un outil de mesure, analogues à ce qui se pratique en mesure industrielle. Vous laissez entendre qu’il est maintenant possible de traduire les projets de recrutement en un petit nombre d’indicateurs aboutissant à un critère de décision synthétique, final et calculé (incluant notamment la performance individuelle dans l’organisation!), ainsi que d’appliquer le principe de peaufiner sans cesse la règle de décision par itérations. Je comprends tout à fait qu’il soit hors de propos de résumer des méthodes quantitatives dans votre très brève présentation, mais on serait vraiment désireux d’en avoir une idée! D’autre part, si on veut décidément faire des statistiques, les comparaisons de contrôle que vous préconisez nécessiteront un certain effectif d’expériences, ce qui sous-entend que cette démarche ne sera vraiment valable que pour des postes stables, durables, ou occupés par des effectifs relativement importants. En pratique, est-ce que c’est ce genre de postes qui justifieront le plus les efforts d’étude correspondants? En fait, la « prédictivité » que vous exposez ne revient-elle pas simplement à l’entretien méticuleux d’une adéquation de l’outil avec un existant? On est plus dans le présent que dans l’avenir… Au passage et à propos de science, seriez-vous en mesure de m’expliquer les raisons qui vous ont poussé à vous attribuer le titre de « chief scientist »? Cette question de l' »américanisation » m’intéresse pour des motifs généraux et j’aimerais bien savoir quels raisonnements ont justifié ce choix. A part tout cela, merci de m’envoyer votre lettre de temps en temps. Je la lis avec intérêt et espère que cela continuera.
    Avec mes meilleures salutations,
    Didier Viard
    dmlc.viard@voila.fr

  2. Simon BARON affirme: juin 26, 2015 at 4:09

    Bonjour Didier,

    Merci pour ce retour sur l’article. Comme vous l’avez noté, il est compliqué d’être exhaustif sur un tel sujet en quelques paragraphes.

    Je vous rejoins sur le fait que le recrutement se veut par essence « prédictif ». Mais cette composante est tellement faible dans les faits que le terme de « recrutement prédictif », qui s’apparente à un pléonasme, prend tout son sens dans la pratique présentée ici. En appliquant une telle rigueur scientifique dans domaine où le « feeling » est encore majoritairement présent, on peut parler de révolution. Si vous avez un peu de recule sur l’application de ce principe dans d’autres domaines que les RH, je comprends que vous soyez interloqué : il n’y a rien de nouveau ici. Le seul et plus grand défis, c’est que l’on parle de comportements humains et pas d’éléments aussi prévisibles que peuvent l’être les processus industriels ou financiers.

    En ce qui concerne l’échantillon nécessaire pour réaliser des études statistiques fiables, il est en effet plutôt recommandé d’accéder à plusieurs centaines de sujets. Pour autant, d’expérience, plus l’échantillon est grand et plus les variables contrôles sont nombreuses. C’est pour cela que les résultats les plus probants ne sont pas toujours sur les échantillons les plus importants.

    Ce qui est certain, pour répondre à votre question, c’est qu’une telle approche convient aussi bien aux postes à fort turnover (nous avons réussi à le diviser par 2 dans plusieurs organisations), comme à ceux où les personnes restent longtemps. En fait, la méthode est la plus efficace sur les postes ou le différentiel de performance ou de fidélisation est très élevé en fonction des individus. Elle n’a par contre aucun intérêt si toute une population en poste obtient à peu près les mêmes résultats, ou que les personnes restent en poste durant une durée similaire.

    Dans un contexte propice, les résultats que l’on peut obtenir en mettant en place cette méthode dépasse radicalement ceux d’un entretien, même conduit de façon structuré : nous atteignons régulièrement des validité prédictives de .60 alors qu’un entretien oscille entre .20 et .40.

    Enfin, en ce qui concerne le tire de « Chief Scientist », le choix a été fait car il renvoie à mes fonctions. C’est une nomenclature que l’on voit employée sur la scène internationale par des personnes ayant la même activité. Il s’agit plus qu’une « globalisation » qu’une « américanisation » du titre. Cela permet d’accéder à un repère commun sur les organigrammes des sociétés du secteur. Voilà comment je vois les choses.

    Merci de suivre nos actualités et au plaisir de futurs échanges,

    Simon BARON
    sbaron@assessfirst.com

  3. Salut à toute l’équipe ASSESSFIRST,
    et merci d’apporter un peu de rigueur scientifique (je dirais même plutôt « rigueur pragmatique » tant il est difficile d’appréhender ce que sera le comportement d’un homo-sapiens doté de 85 milliards de neurones, d’une homéostasie personnelle, d’un vécu enrichi de millions de souvenirs, donc d’une personnalité différente pour chacun).
    Je rencontre encore si souvent à mon grand étonnement des patrons de PMEs qui recrutent avec graphologie, astrologie, et autre lecture de l’avenir dans les tripes de poulet… A ce propos d’ailleurs, après avoir « testé » plus de 25 modèles dits « comportementaux » diffusés en France et leurs questionnaires d’évaluation, il ne nous est resté que le PSV 20 d’Assesfirst, et 2 autres (un des USA et un Franco-Belge) qui ont mené une réelle étude de validation statistique et psychométrique avant d’être diffusés. Tous les autres, et il y en a, sont incapables de nous envoyer leur étude… pour la bonne raison qu’elle n’a pas été faite. ET un cabinet français, en a mené une sur… 380 étudiants d’une école de commerce (bonjour la représentativité de l’échantillon…). Et ce ne sont pas les plus petits qui sont le plus « à côté de la plaque ». Tapez donc sur le net « Dr David Pittinger & invalidity of MBTI » ou l’article de Joseph Stromberg sur Vox.com (c’est en anglais) qui résume le « problème » avec cet outil encore tant vendu (lui ou ses « copies maquillées »)à des services RH qui en général ne connaissent pas grand chose d’autre…
    On a des bons en France, et qui orientent leurs outils sur autre chose que les vieilles lunes des années 1900 : votre questionnaire sur les capacités cognitives et adaptatives est une lumineuse idée qui évalue un des points clés attendus d’un collaborateur d’organisation du 21ème siècle. C’est à mon sens le plus efficace pour les commerciaux de type KAM.
    Je précise que je n’ai aucune action chez ASSESSFIRST, et utilise aussi les questionnaires de 2 autres modèles… sauf en recrutement car ils ne sont pas faits pour ça.
    Bien cordialement.
    T.B.

  4. Simon BARON affirme: juin 30, 2015 at 11:05

    Merci Thierry, c’est toujours un plaisir de vous lire.

    Simon

Laisser un commentaire

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