Étude sur l'accessibilité et l'équité

Les biais dans les décisions d'embauche continuent de poser problème dans le monde du travail. Même si les algorithmes de recrutement peuvent offrir des avantages, ils sont encore largement perçus comme des outils qui amplifient les préjugés humains. À travers une série d'études, nous montrons qu'il est possible de réduire les biais dans les décisions d'embauche grâce à la construction et à l'utilisation d'algorithmes et de données aveugles au genre, à l'âge, au handicap ou à l'origine ethnique. Les algorithmes basés sur certains des indicateurs les plus prédictifs de la performance d'un collaborateur (Schmitt, 2014), tels que la personnalité et les intérêts du candidat - sur lesquels les individus sont également pour la plupart similaires (Hyde, 2005), sont à la fois efficaces et équitables. En se concentrant sur les facteurs clés de réussite aveugles aux données démographiques, les évaluations d'AssessFirst SWIPE, DRIVE et BRAIN permettent de stimuler votre diversité.

• • Nos résultats d'évaluation se sont avérés aveugles en ce qui concerne le genre, l'âge, l'origine ethnique, le handicap et un ensemble de conditions neurodiverses
  • Nos algorithmes de scoring sont non discriminatoires et équitables : les profils recommandés par l'algorithme aux responsables du recrutement présentent des caractéristiques démographiques similaires à celles de l'ensemble du vivier de candidats postulant au poste

• Notre solution peut naturellement corriger le déséquilibre de genre dans votre organisation ; même en entraînant l'algorithme sur un échantillon à prédominance masculine, l'algorithme recommandera des hommes et des femmes dans des proportions quasi égales lorsqu'il sera appliqué sur un échantillon neutre.

Ce document constitue la synthèse de ces études. Il fournit également des informations générales sur les efforts que nous déployons en matière de diversité, et ce qui fait d'AssessFirst un acteur essentiel en matière d'expérience utilisateur et d'inclusivité.