Testez nos solutions

Le recrutement prédictif prédit-il le "data washing" ?

2 regards

50% des cadres en poste renoncent à leur candidature avant l’étape de la short list. La mobilité interne est évidemment plus sécurisante que l’aventure du départ. Mais, de plus près, la méthode de recrutement n’est sans doute pas étrangère à la sédentarité des cadres. De l’annonce à l’entretien en passant par les tests évidemment, les process sont l’appartement témoin de l’entreprise. Confiance ou défiance commencent ici : description claire ou survente du poste, transparence ou usage écervelé d’outils sans validité valent témoignages des cultures managériales. C’est pourquoi le recrutement prédictif est bien plus qu’une mode : c’est la promesse d’un renouveau significatif dans la fiabilité de l’évaluation. Le recrutement prédictif est une technique d’évaluation qui permet, grâce à des outils statistiques, de comparer un candidat avec un échantillon de salariés performants dans l’entreprise recruteuse. Il devrait donc permettre d’identifier aisément les bons profils et, finalement, de fiabiliser les décisions de recrutement. Encore faut-il que les pratiques soient à la hauteur de la promesse. Si toute innovation a besoin d’enthousiasme et d’early adopters, elle a aussi besoin de maturité.

 

 

Qu’est-ce que le recrutement prédictif ?

Sur le papier, le principe est simple. Il s’agit de trouver des liens statistiques significatifs entre deux familles de données. A ma droite, des indicateurs de performance (rémunération, chiffre d’affaire, atteinte des objectifs etc.) sont les données que l’on cherche à prédire. A ma gauche, des caractéristiques individuelles (personnalité, informations biographiques etc.) sont les données dont on cherche le pouvoir prédictif. Bref, le but du jeu est de trouver les caractéristiques des salariés qui déterminent leur performance pour en faire des critères de sélection dans les recrutements futurs. Le tout se joue dans le contexte spécifique d’une entreprise : le principe est de déterminer les clés du succès dans un métier, une culture et/ou un mode de management spécifique. C’est évidemment une très bonne idée même si elle n’est pas particulièrement innovante : l’étude des prédicteurs du succès de carrière est un sujet plutôt classique en psychologie expérimentale et en management. La nouveauté réside dans la démocratisation du processus : la mode du big data ainsi que l’accès facilité aux technologies de collecte et de traitement de données propagent l’envie et les moyens de jouer. C’est là que l’affaire se complique.

 

Le recrutement prédictif en pratique : science ou data washing ?

La corrélation statistique n’a ni conscience ni morale. Le logiciel de traitement de données n’est pas sensible au ridicule, même lorsqu’il affirme que la couleur des yeux est corrélée à la mention au baccalauréat. Car lien statistique ne signifie pas causalité. Les bricolages de datas seraient de la psychologie amusante si, en matière de recrutement, la confusion ne risquait pas de renforcer stéréotypes et discriminations. On sait que l’adresse ou l’origine supposée ethnique du nom de famille déterminent le succès par le jeu des discriminations. Mais évidemment ni l’adresse ni le nom ne causent la performance. Or une lecture approximative, erronée ou malhonnête des données pourrait suggérer que les habitants du 9-3 feraient de fort mauvaises recrues. Le risque est grand que les maigres informations qui se dégagent ne soient que des tautologies, des stéréotypes ou des liens illusoires. Dans ce cas, le recrutement ne serait que du data washing : une illusion de scientificité.

 

Les candidats sont très sensibles aux stéréotypes et aux discriminations qui les menacent. L’emploi massif des tests de personnalité nuit à la crédibilité des recruteurs : les cadres craignent que leur interprétation aléatoirement favorable ou défavorable ne serve à rationnaliser des décisions non-éthiques. Pour éviter de confondre lien statistique et causalité, il faut de la théorie. Les meilleures données ne peuvent donner que ce qu’elles ont : des relations entre les variables, jamais le moyen de faire sens de ces relations. Pour que ces interprétations soient pertinentes, il faut qu’elles évitent les stéréotypes, les croyances ou les fausses évidences du sens commun. Les données à analyser doivent être liées entre elles avant tout par un modèle théorique. C’est aussi à cette condition que le recrutement prédictif sera le levier historique du renouveau indispensable des pratiques et qu’il catalysera la confiance entre candidats et recruteurs. Si le big data rend possibles des analyses prédictives pertinentes, candidats et recruteurs gagneront en confiance mutuelle. Les potulants devraient pouvoir s’informer aisément sur la qualité et la validité des techniques de recrutement auxquelles ils sont soumis. L’enjeu de l’emploi est, pour les candidats, trop important pour que la simplicité ou le caractère ludique d’un test suffise à nourrir positivement l’image de l’employeur. C’est leur validité qui fait la différence pour les candidats.  Encore faut-il que les entreprises s’engagent sur cette validité.