Comment le #RecrutementPrédictif a fait gagner près d’1M€ à cette entreprise… en tout juste 12 mois !

A moins d’avoir vécu au fin fond d’une caverne avec des parois en plomb ces 2 dernières années, vous avez …

A moins d’avoir vécu au fin fond d’une caverne avec des parois en plomb ces 2 dernières années, vous avez forcément entendu parler du Recrutement Prédictif… ^^

CET ARTICLE A ÉTÉ INITIALEMENT PUBLIÉ SUR LINKEDIN
PAR SOURCI D’EFFICACITÉ, MERCI DE CENTRALISER VOS COMMENTAIRES SUR L’ARTICLE LINKEDIN 😉

Rejoindre cet article sur LinkedIn Pulse

Reprenons… Le principe – en bref – c’est de vous appuyer sur l’analyse du potentiel de vos candidats et d’utiliser la puissance des algorithmes pour anticiper leur capacité à réussir, à être pleinemetant engagés et à s’épanouir aux poste précis pour lesquels VOUS recruter, dans le contexte ultra spécifique de VOTRE entreprise. Avec – en bout de course – la promesse de (meilleurs) résultats MESURABLES OBJECTIVEMENT à 12, 24 et 36 mois.

Ça c’est pour la théorie (dans ses grandes lignes).

Mais en discutant avec des dizaines et des dizaines de (D)RH (RDV, salons, conférences, workshops, Linkedin…), je me rends compte tous les jours ou presque que très peu d’entre eux ont une représentation précise (et surtout exacte) de ce qu’est le recrutement prédictif « dans la vraie vie ».

Du coup, pour faire le clair sur la question et surtout sur ce que vous pouvez VRAIMENT attendre du recrutement prédictif, je vous propose de vous présenter un cas RÉEL de mise en oeuvre de la méthode chez un VRAI client.

J’espère que vous apprendrez 2 ou 3 trucs intéressants au passage 😉 !

Prêt ? C’est parti !

#1 – Tout d’abord un peu de contexte…

« Unicorn Company* » – l’entreprise dont il va être question dans ce cas – opère sur le secteur des services B2B. Elle vend des prestas de conseil et compte 140 « consultants » au moment où elle nous sollicite. Parmi eux, certains sont super performants (ils génèrent des marges quasi indécentes…^^ #LuckyThem), certains sont dans les chiffres (mais sans plus) et quelques-uns d’entre eux sont carrément à la ramasse (moins de 90% voire 80% des objectifs atteints). A noter également que le taux de turn-over est alors de près de 30% par an.

Lorsque la boite nous sollicite, c’est parce qu’ils ont lu 2 ou 3 articles sur le sujet et qu’ils pensent que le recrutement prédictif pourrait leur permettre de recruter plus souvent des « Top Guns ». Ils ont 2 recruteurs à temps complet + 1 stagiaire pour les épauler.

Note : Fait intéressant, ce n’est pas le RH qui nous a contacté mais le CEO de Unicorn Company lui-même…

* Si le nom de l’entreprise a été modifié pour préserver son anonymat (Sérieusement… qui appellerait sa boite « Unicorn Company » ??!? 😀 ), toutes les données présentées sont en revanche parfaitement exactes. A noter cependant qu’il ne sert à rien de prendre ce modèle en référence pour l’utiliser au sein de VOTRE entreprise (y compris si vous êtes client d’AssessFirst). Chaque entreprise/problématique possédant un contexte qui lui est propre, vous risqueriez surtout d’aller droit dans le mur…^^ #Disclaimer #JeVousAuraiPrevenu

#2 – Comment s’est (réellement) passé le premier RDV avec le client

Après un rapide échange téléphonique avec le CEO (appel entrant… #LuckyUs), un meeting est planifié afin que l’on puisse présenter l’approche au Directeur du Développement du Business ainsi qu’au RH.

Le Directeur du Développement du Business est plutôt enthousiaste (forcément, on lui propose de recruter des gens qui vont faire péter le tiroir caisse…^^), mais il se montre tout de même un peu « critique » quand au côté pratique de l’approche. Quand on lui explique qu’une fois le modèle prédictif monté, les futurs candidats devront passer 3 tests de 10 minutes chacun pour qu’il puisse prédire leur capacité à réussir, il se dit que « ça va peut-être pas le faire », que pas mal de candidats risquent d’être effrayés/découragés par la démarche… Mais bon, il est « joueur » comme il dit, il a quand même envie de tenter le coup, pour voir !

Le RH quant à lui a une vision plus tranchée de prime abord. Il connaît bien les tests. Avant il était dans un cabinet, il les a utilisé (pas ceux d’AssessFirst mais des outils qui – selon lui – ressemblent…). Pour lui, ces outils sont des outils « d’aide à la décision » : « Pas question de faire une présélection sur des critères de personnalité ou de motivation ! » (Pour le raisonnement il peut comprendre, à la limite…).

(A l’évidence, ce RH n’avaient pas encore lu cet excellent article sur le sujet de Simon BARON, Chief Scientist @assessfirst 😉 #Poke

Face à l’enthousiasme du Big Boss et du Patron des Ventes (le Directeur du Développement du Business), il ravise un peu son point de vue… mais insiste tout de même sur le fait que selon lui, « ce n’est pas forcément l’idée du siècle de se lancer dans ce type de projet ! »

#Soit…^^

#3 – Le lancement du projet

Une fois les formalités effectuées (négo / signature + retour de la propale), on passe aux choses sérieuses ! La première étape, c’est de définir ce que l’on appelle un « modèle prédictif ».

L’idée – lorsque l’on monte un « Modèle Prédictif » – c’est d’identifier les critères sur lesquels l’entreprise devra s’appuyer pour recruter (à l’avenir) des consultants super performants (en tout cas, plus que ceux qu’elle a recruté jusqu’alors). Et pour ça, pas de magie… Nous commençons pas conduire une étude en interne pour comprendre ce qui drive la performance au sein des équipes.

Pour conduire notre étude, nous avons besoin de 3 types d’infos :

  • Les infos concernant les personnes elles-mêmes : Formation initiale, expérience préalable à l’entrée dans l’entreprise, ancienneté dans la boite, localisation, secteur confié… (quand il y a un SIRH dans la boite c’est généralement là qu’on les trouve).
  • Des infos permettant de décrire le potentiel des consultants (ça on le mesure avec les questionnaire AssessFirst).
  • Les résultats obtenus par les consultants en poste, mois par mois, depuis 1 an minimum (on exclue donc les collaborateurs arrivés depuis moins d’un an). Ces infos sont fournies par le service commercial et/ou le contrôle de gestion.

Chez AssessFirst, on considère que le Potentiel est la combinaison de 3 facteurs clés essentiels :

  • Ce que la personne PEUT faire (ses capacités de raisonnement)
  • Ce qu’elle VEUT faire (ses motivations)
  • COMMENT elle se comporte concrètement (sa personnalité).

Pour valider chacun de ces 3 éléments, nous devons faire passer 3 questionnaires ultra ciblés de 10 minutes environ chacun.

#4 – Le faux problème… et la mauvaise solution ! (#DontBeEvil #AlwaysTellTheTruth)

Là, le RH tique… Selon lui, « jamais les gars en interne n’accepterons de passer ça. Ils vont être suspicieux, ils vont forcément se demander ce que l’on va faire des résultats, ils vont sans doute se dire que ça va servir à repérer les bons et les moins bons… ». A ce moment, la discussion commence à déraper autour du « Comment on va leur faire passer le truc ? », « Au moment des entretiens annuels ? », « On demande uniquement aux bons ? #PireIdée »…

Pour couper court, on leur propose une autre solution : « Et si au lieu d’essayer de leur raconter la Belle Histoire on leur disait plutôt la vérité… tout simplement ? ».

Après tout… « Pourquoi vous voulez mettre le recrutement prédictif en place ? Pour améliorer votre processus de recrutement ? Et bien voila, on leur dit. Je suis sûr qu’il seront ravis de participer à ça ! En plus, chacun sait déjà si il cartonne ou pas, non ? Il leur suffit de regarder leur fiche de paye en fin de mois… pas vrai ? ^^ »

En plus, l’intérêt pour eux (les consultants), c’est que pour ceux qui ne sont pas complètement « dans le modèle », au moins ils auront un feedback exhaustif sur leurs talents (nous en avons tous !) et sur les points de décalage entre leur façon de faire et celles qui auront été identifiées comme favorisant la réussite ! Ils pourront donc bosser en ayant le référentiel en tête.

Tout le monde est OK pour partir là dessus. La semaine qui suit, un mail explicatif part à tous les consultants. Le mail est signé du Directeur du Développement du Business et du RH. S’ils le souhaitent, les consultants ont la possibilité de poser leurs questions en se rapprochant du RH.

#5 – Les données que l’on a récupéré au final

Sur les 112 personnes à qui l’on a proposé de passer les questionnaires (nous avons exclus ceux arrivés tardivement dans l’année écoulée), 108 ont remplit le questionnaire de personnalité, 103 ont complété celui des motivations et 96 ont complété le questionnaire de raisonnement.

En tout, 86 personnes ont complété l’ensemble des 3 questionnaires, soit plus des 3/4 (77%) des participants.

Note : Les ratios sont plutôt en phase avec ce que l’on observe lorsque l’on mène ce genre de projet. Du coup, ça démarre plutôt bien !

Pour les autres données (les perfs et les infos sur chacun des participants), on récupère des fichiers excel un peu en bor**l… mais ça c’est pareil, c’est plutôt commun dans ce genre de projet, d’autant plus lorsqu’il n’y a pas de SIRH #Solide en place ! 😀 On fait 2 ou 3 aller-retours entre le service commercial, la RH et le contrôle de gestion pour s’assurer qu’on a bien les bonnes infos. Mais en gros, c’est vite réglé.

En jetant un coup d’oeil sur les fichiers récupérés, on se rend vite compte que les performances sont assez bien distribuées (on a bien des Super Performers et des Sous Performers dans l’échantillon récupéré), on a donc de quoi conduire nos analyses.

On passe ensuite aux choses sérieuses : L’exploitation des données par nos Magiciens de la Data !

#6 – Comment nos Data Scientists font parler les données…

Une fois toutes les infos rassemblées, nos Data Scientists ont appliqué différentes techniques d’analyse multi-variées des données afin d’identifier ce que l’on appelle des patterns.

Un pattern, c’est une configuration particulière de facteurs (traits de personnalité, type d’école fréquentée, expérience pro, types de motivations exprimées…) que l’on retrouve associée à un haut niveau de performance dans le poste que l’on étudie (là on s’intéresse à la performance mais cela peut être d’autres critères comme les absences ou la satisfaction au travail par exemple).

#7 – Les hypothèses de départ

Bien évidemment, nos Data Scientists ne partent jamais à l’aveuglette. L’idée, pour eux, c’est toujours d’avoir des hypothèses de départ et de tester ces hypothèses grâce aux données à disposition (c’est d’ailleurs le fondement de toute démarche scientifique !). #NoMagicTrick

Partant de l’hypothèse que les facteurs de personnalité, de motivations, et d’aptitudes sont liés à la performance au travail, on commence par définir ce que l’on entend par cette fameuse « Performance au travail ».

  • S’agit il du pourcentage d’atteinte des objectifs ?
  • S’agit-il du nombre de clients conquis chaque mois (en valeur absolue) ?
  • S’agit-il du taux de transformation des leads confiés à chacun ?

Ça bien évidemment, c’est à l’opérationnel de nous le dire ! A priori, il est quand même le mieux placé pour savoir ce qu’il souhaite obtenir de ses collaborateurs.

Une fois ça défini, on va tester les relations qui existent entre les traits de perso, ceux de motivations et d’aptitude et les facteurs de performance retenus. Parfois la relation est assez évidente, parfois non. Dès fois, par exemple, on se rend compte que certaines variables n’agissent pas de façon directe mais plutôt comme des variables modératrices favorisant (ou non) l’expression d’autres variables.

#8 – Ce que l’on a trouvé pour « Unicorn Company »…

Pour commencer, notez que nous avons décidé de nous concentrer sur la prédiction de la marge générée par les consultants sur leur première année de présence dans l’entreprise (parce que c’est ça qui intéressait le plus le client).

Les résultats donc :

#La déception pour commencer…

L’étude des caractéristiques socio-démographiques des personnes n’a pas donné grand chose… En effet, qu’il s’agisse de la formation initiale suivie par les consultants, de la catégorie d’école dont ils sont sortis ou encore de l’expérience dont ils bénéficiaient lors de leur arrivée dans l’entreprise, aucun de ces facteurs n’expliquait plus de 2 à 3% des différences que l’on pouvait constater entre les plus et les moins performants. On laisse donc ces critères de coté.

Note : Ca n’a l’air de rien… mais ce que cela signifie dans les faits, c’est qu’il ne sert à rien – en tous cas pour CETTE entreprise – de se centrer sur un type d’école pour recruter ou de partir en quête des candidats ayant une expérience en particulier (genre 2 ou 3 ans chez l’un des concurrents). Ce que ça veut dire du coup également, c’est qu’il serait certainement opportun pour Unicorn Company d’élargir un peu plus son sourcing (ce qu’elle finira par faire par la suite) !

#Des choses intéressantes ensuite…

En revanche, concernant les infos relatives au potentiel des consultants, nous avons trouvé des éléments beaucoup plus intéressants… En effet, pas moins de 13 variables sur les 45 évaluées ont été identifiées comme ayant un impact significatif sur la capacité des consultants à générer de la marge sur la première année !

Parmi les facteurs de personnalité :

  • Prend l’ascendant sur les autres
  • Va spontanément vers les autres (en score inverse)
  • S’implique affectivement (score inverse)
  • Consulte avant de décider (score inverse)
  • Fait preuve d’inventivité
  • S’organise avec méthode
  • S’attache aux détails (score inverse)
  • Recherche la stabilité (score inverse)

Parmi les facteurs de motivations :

  • Se dépasser au quotidien
  • Avoir des tâches clairement définies
  • Remporter régulièrement des succès

Parmi les facteurs de raisonnement :

  • Score de raisonnement numérique supérieur à 4 (sur 5)
  • Score de raisonnement abstrait supérieur ou égal à 3 (sur 5)

Notez bien que ce qui est intéressant dans la démarche, ce n’est pas de savoir que les consultants doivent avoir du leadership, être plutôt affirmés, organisés ou encore avoir une grosse motivation à faire plus… (ça on aurait pu l’anticiper de façon intuitive), c’est plutôt de savoir précisément « dans quelle mesure » ces facteurs sont importants.

Ce qui est crucial également, c’est de savoir COMMENT ces différents traits s’influencent les uns les autres et surtout de pouvoir – par la suite – évaluer les prochains candidats avec les mêmes moyens / outils que ceux qui ont été utilisés pour construire le modèle en amont !

#9 – L’utilisation du modèle par Unicorn Company

Partant de l’identification de ces facteurs et de la prise en compte des liens qu’ils entretiennent avec la capacité à générer de la marge chez les consultants, nos Data Scientists ont traduit les patterns identifiés sous la forme d’un algorithme que nous implémentons alors sur la plateforme d’évaluation AssessFirst (sur le compte de ce client en particulier).

L’objectif de cet algorithme, c’est de permettre – à partir de nouvelles données (les résultats des candidats qui postuleront à l’avenir) – de faire une prédiction de leur capacité à générer de la marge lors de leur première année dans l’entreprise. Il servira donc de filtre pour opérer une présélection à l’embauche.

Donc, très concrètement, les recruteurs de Unicorn Company ont créé une campagne de recrutement « Consultant(e)s Unicorn Company » sur AssessFirst. Depuis cette campagne, ils ont généré un lien d’accès public qu’ils ont ensuite intégré dans leurs offres d’emploi.

De cette façon, chaque candidat qui tombe sur l’offre est invité à envoyer son CV et à compléter les 3 questionnaires AssessFirst en cliquant sur le lien d’accès public à la campagne (ils ont souhaité utiliser ce système pour éviter d’avoir à saisir à la main les emails de chaque candidat qui enverrait son CV). #TimeIsPrecious

#10 – Bilan après 12 mois d’utilisation

Au terme de 12 mois, que c’est il passé ? Parce que c’est bien ce genre de bilan qui doit nous faire dire si OUI ou NON le recrutement prédictif fonctionne…

Quelques chiffres :

Unicorn Company a reçu 1317 candidatures complètes* (incluant la passation des 3 tests) sur l’année et a réalisé un total de 42 recrutements.

Sur les 1317 candidatures reçues,

  • 548 (soit 41,6%) étaient à côté de la plaque (adéquation de moins de 40% avec le modèle)
  • 646 (soit 49,1%) étaient dans la zone de flou (entre 40 et 60% d’adéquation)
  • 123 (soit 9,3%) étaient dans le scope du modèle (plus de 60% d’adéquation)

*Les 1317 candidatures complètes sont celles pour lesquelles les 3 tests ont été complétés. A la base, 1546 personnes ont envoyé leur CV. Soit un taux de transformation de 85,19%

Sur ces 1317 candidatures, l’entreprise a reçu 153 personnes en entretien parmi lesquelles :

  • 8 (soit 5,2%) étaient à côté de la plaque (adéquation de moins de 40% avec le modèle)
  • 52 (soit 34,0%) étaient dans la zone de flou (entre 40 et 60% d’adéquation)
  • 93 (soit 60,8%) étaient dans le scope du modèle (plus de 60% d’adéquation)

Note : Cela peut paraître taré de se dire que l’entreprise a mis en place une démarche prédictive pour au final voir des candidats à côté de la plaque mais en fait, c’est plutôt commun… surtout la première année. Ca nous est tous arrivé de voir un CV un peu bancal mais de faire venir quand même le candidat en entretien, non ? Bin là c’est pareil…^^

Au final, 42 personnes ont été recrutées parmi lesquelles :

  • 2 (soit 4,8%) étaient à côté de la plaque (adéquation de moins de 40% avec le modèle)
  • 6 (soit 14,2%) étaient dans la zone de flou (entre 40 et 60% d’adéquation)
  • 34 (soit 81,0%) étaient dans le scope du modèle (plus de 60% d’adéquation)

#11 – Les résultats délivrés par les candidats recrutés

Voici les résultats obtenus par les personnes recrutées sur 12 mois, au terme d’un an de présence dans l’entreprise (les résultats finaux ont du coup été établis à 24 mois… certains candidats ayant été recrutés en début et d’autres en fin d’année) :

Comparatif avec les candidats recrutés avant la mise en place du recrutement prédictif

Sur la période d’un an précédant la mise en place du Recrutement Prédictif au sein de Unicorn Company, 38 personnes ont été recrutées. 14 d’entre elles ont quitté l’entreprise dans les 12 mois. 10 de l’initiative de l’entreprise, 4 de leur propre initiative.a

Parmi les 24 personnes toujours en poste, nous avons pu récupérer – pour 21 d’entre elles – les évaluations de leur profil (elles ont en effet participé à l’étude permettant de monter le modèle).

Conclusions de l’avant / après

Ce que la comparaison entre les 2 tableaux permet de noter, c’est que (en se basant sur les informations disponibles) :

  • La proportion de recrutements de consultants délivrant des performances supérieures a été multipliée par plus de 2 (passant de 28,6% à 61,9%).
  • Le proportion de recrutements de consultants délivrant des performances faibles a quasiment été divisée par 3 (passant de 57,1% à 19,0%).
  • La proportion de recrutements de consultants délivrant des performances moyenne est en légère augmentation (passant de 14,3% à 19,0%)

#12 – Traduction en terme financiers

>> Augmentation de la marge moyenne générée par consultant

Lorsque l’on compare les résultats délivrés par les consultants recrutés de façon classique (avant la mise en place du recrutement prédictif) et ceux qui ont été recrutés à l’aide de l’approche prédictive, on constate que la marge moyenne délivrée par consultant (si l’on agrège ceux qui performent peu, moyennement et beaucoup) est passée de 147K€ à 168K€ soit une augmentation de 14,3% (+21K€ / consultant).

Si Unicorn Company avait recruté selon la méthode qu’elle utilisait classiquement (présélection sur CV + entretien), elle aurait recruté 42 consultants générant 147K€ chacun (grosso modo comme les années précédentes) pour une marge totale générée de 6 174K€.

La mise en place du recrutement prédictif leur a permis de cibler – à périmètre constant – des consultants qui ont réussi (en moyenne) à générer 168K€ chacun, soit une marge totale pour ces 42 nouveaux consultants de 7 056K€ en tout.

>> Un gain de +882K€ de Marge au total

On peut donc estimer à 42*21K€ soit 882K€ le gain de marge produit sur l’année grâce à la mise en place du recrutement prédictif pour Unicorn Company.

Limites de l’approche #NoBullshit : Est-ce que la totalité des ces 882K€ est imputable UNIQUEMENT à la mise en place du processus de recrutement prédictif ? Non, sans doute pas. Difficile de le dire avec certitude en tous cas. En effet tous les paramètres n’ont pas été contrôlés, tout simplement parce qu’ils ne peuvent pas l’être (qualité de l’intégration, management, climat économique…).

En revanche, une chose est sûre, c’est que plus jamais Unicorn Company ne recrutera comme avant… ^^

#13 – So…. Le Bilan !

4 semaines pour monter le modèle prédictif #ItsQuick

Le montage du modèle prédictif (pour cette entreprise) aura nécessité 4 semaines en tout à partir du moment où nous avons signé avec le client.

  • 2 semaines pour récupérer les données (avec les allers-retours entre nous et le client),
  • 2 semaines supplémentaires pour que nos Data Scientists puissent faire parler la data.

Transformation IMMÉDIATE du processus de recrutement #3minutes

Une fois le modèle monté, les comptes ouverts pour Unicorn Company, nous avons pris 3 minutes pour paramétrer leurs campagnes de recrutement.

Allègement du travail des recruteurs #LessIsMore

Concrètement, ce que cela a apporté aux recruteurs, c’est surtout un gain de temps et d’efficacité. Plus besoin pour eux d’éplucher les CV un par un pour savoir qui faire venir en entretien… avec 2 fois sur 5 la mauvaise surprise d’avoir l’impression de parler à la mauvaise personne.

Chaque fois qu’un candidat termine ses évals, une alerte email averti les recruteurs qui peuvent alors connaître la correspondance entre le potentiel de la personne et le modèle prédictif. Bien sûr, pour ceux qui veulent, il est toujours possible de rentrer dans le détail…

Un impact direct sur le compte de résultat de la boite #Efficient

Enfin, et non des moindres, pour la première fois les recruteurs (et le service RH tout entier) ont des indicateurs clairs sur l’impact économique de leur travail. De « Centre de coûts », ils sont passés – en moins de 24 mois – à « Vecteur de profits » reconnu au sein de l’entreprise.

#MoneyDropping #MakeItRain #ShowMeTheMoney

L’effondrement du turn-over en prime… #Bonus

Cerise sur le gâteau, parmi les candidats recrutés grâce au modèle prédictif, moins de 5% de ceux qui étaient parfaitement dans la plaque (plus de 60% d’adéquation avec le modèle) sont sortis de l’entreprise au bout de 12 mois, faisant ainsi chuter le turn-over de façon spectaculaire.

Une expérience candidat améliorée #Empowerment

Point important enfin, chacun des candidats a pu avoir accès – et ceci de façon entièrement automatisée – à un feedback sur ses résultats, immédiatement après avoir candidaté (voir un exemple ci-dessous en vidéo). Il en est résulté un accroissement de plus de 40% de la satisfaction des candidats sur l’année.

Pour finir !

Voilà, maintenant vous savez CONCRÈTEMENT ce qu’est VRAIMENT le recrutement prédictif, comment ça se passe « en vrai » (au-delà des fantasmes de robots mangeurs de recruteurs et de scénarios catastrophiques à la « Bienvenue à Gattaca »…).

PS : Si vous continuez à penser que le recrutement prédictif est flippant, qu’il va à l’encontre des valeurs humaines propres à l’activité de recrutement, qu’il participe à une standardisation des profils recrutés, que le monde court à sa perte, les algorithmes, les robots, toussa toussa, blah blah blah… assurez-vous d’avoir lu cet article là également 😉 #HighLevel #FoodForThought

IMPORTANT : Cet article a été produit avec l’autorisation des équipes dirigeante et communication de « Unicorn Company ».

David ✨🙏🏻✨

Psychologue du travail diplômé de l’Université Paris 5 – René Descartes, David BERNARD aura patienté 30 jours seulement après l’obtention de son Grade de Master en psychologie pour lancer AssessFirst, une société qui propose des solutions innovantes de Recrutement Prédictif et de Gestion Prédictive des Talents. CEO et Chief Creative Officer d’AssessFirst, il est notamment en charge du Branding d’AssessFirst et de la qualité de l’Expérience Utilisateur.

David BERNARD participe également à l’exécution de divers projets de recherche conduits par AssessFirst, notamment dans le champ de l’analyse de la performance collective.

David BERNARD est un auteur et un conférencier reconnu. Il intervient notamment auprès d’entreprises et auprès de plus d’une vingtaine de Business Schools et d’Universités (cursus classiques et M.B.A.) dont HEC, IESEG, ISG, EM Strasbourg. Parmi ses thèmes de prédilection : « Transformation Digitale et Révolution Culturelle », « Mettre en place des projets de recrutement prédictif », « Pourquoi certains candidats réussissent… et d’autres pas », « Big Data et modèles prédictifs de la réussite professionnelle »… Son dernier livre 18 façons de décrocher ce job a connu un succès considérable. Son blog personnel : DavidBernard

Évaluer mes candidats dès maintenant

Keep reading

More >