Le talon d’Achille de People Analytics :  La confiance

Le talon d’Achille de People Analytics : La confiance

17.10.2017 By Marie.Michel-Dansac

Malgré un départ timide, les choses s’accélèrent désormais autour des People Analytics. Les promesses de People Analytics commencent à se concrétiser et on commence à voir des résultats réels et tangibles.

Par Jouko van Aggelen, Responsable People Analytics chez Cubiks.

De plus en plus d’entreprises mettent en place des projets People Analytics qui ont un impact sur la réussite de leurs employés et de leurs activités. On constate également une augmentation rapide du nombre d’entreprises qui commencent à constituer des équipes dédiées aux People Analytics afin de renforcer continuellement le lien entre le talent de leurs (futurs) employés et les objectifs de leur entreprise. 
Voici des exemples de résultats que j’ai pu moi-même constater : amélioration de la qualité des recrutements grâce à de puissants algorithmes, rétention accrue grâce à une connaissance approfondie de ce qui pousse à l’implication (dans ce cadre les résultats étaient accompagnés d’interventions sur le terrain), davantage de diversité grâce à des processus de sélection plus objectifs ainsi qu’un guidage en temps réel sur la manière de former des équipes plus efficaces.
 

De l’importance de gagner la confiance 


Comme toujours, malgré toutes les réussites, nous sommes aussi confrontés à des limites, des écueils et des risques. Dès le départ, un des défis majeurs auquel on se retrouve confronté dans les projets People Analytics, c’est le fait qu’il faille « gagner la confiance ». C’est pourquoi il faut expliquer aux gens qu’ils peuvent faire confiance à l’analytique. Il est important de répéter que People Analytics, c’est bien plus que l’automatisation des décisions relatives aux individus, ou le fait d’exclure ou de remplacer l’intelligence humaine, l’expérience ou même l’intuition. 
Plus récemment, j’ai remarqué un nombre plus important de questions et de préoccupations concernant les thèmes suivants : confidentialité, sécurité des données, propriété des données, éthique, fiabilité et intégrité des algorithmes. Les gens ont davantage conscience que les algorithmes peuvent parfois hériter des biais de leur concepteur et des données utilisées. Il y eu énormément de bruit autour des algorithmes de recherche biaisés de Google ainsi que les fils d’actualités biaisés de Facebook. Il serait naïf de penser que les projets People Analytics échappent à ce type de problèmes.  
Il est facile de comprendre pourquoi il faut faire attention lorsque l’on utilise des données et des algorithmes « à l’aveugle ». Je pense qu’il est bon de réaliser que People Analytics n’est pas le Saint Graal, mais que cela doit être un complément aux connaissances académiques existantes et à notre propre expertise au quotidien. Ensemble, la théorie, les experts et les données nous offrent des informations précieuses. Il est vital de ne pas les séparer. 


 

Qu’entend-on par confiance ?


Lorsque l’on parle de confiance, une distinction s’impose entre les différents aspects qui la définit.


Cela vaut la peine de partager ses données si l’on croit en la valeur de People Analytics
Dans le futur, on s’attend à ce que de moins en moins de personnes soient d’accord pour partager leurs données par défaut. La Régulation Générale sur la Protection des Données - General Data Protection Regulation (GDPR) – qui entre en vigueur en 2018 permettra aux gens d’exercer leur droit à ne pas partager leurs données. Ceux-ci se posent de plus en plus les questions suivantes : « Qu’est-ce que j’y gagne ? » et « Est-ce que je peux vous faire confiance ? ».    
Je prévois que les gens vont de plus en plus se rendre propriétaires de leurs données personnelles. La confidentialité deviendra alors la norme et il sera très compliqué de convaincre les gens de partager leurs données sauf s’ils vous font confiance à 100%.


Faire confiance à la qualité et l’intégrité des données
Les études montrent que ceux qui prennent d’importantes décisions souhaitent que leur entreprise s’appuie davantage sur des faits pour les décisions qui concernent les individus. Cependant, beaucoup d’entre eux ont du mal à faire confiance aux données de leurs systèmes. KPMG a publié des études intéressantes sur la manière de restaurer la confiance en 4 points :


1.    Qualité (bonnes données)
2.    Efficacité (les résultats remplissent-ils leur objectif)
3.    Intégrité (éthique, principes)
4.    Résilience (amélioration continue, pas juste une fois)


Faire confiance aux analyses (les résultats) qui sont générées
Les gens ont du mal à accepter et faire confiance aux décisions automatisées, surtout lorsqu’il s’agit de décisions relatives aux RH. Cette méfiance est souvent appelée « aversion aux algorithmes ». L’aversion aux algorithmes est la tendance à se méfier des algorithmes qui s’appuient sur des faits probants, même s’il est prouvé que ceux-ci sont plus performants pour prendre des décisions et faire des prévisions que les humains.  
Je suis récemment tombé sur une étude intéressante qui examine comment surmonter cette aversion. Une chose importante à retenir de cela, c’est de donner la possibilité aux personnes de modifier les algorithmes, même si le degré de la modification est relativement faible. 

Croire aux motifs
Il est essentiel que les gens soient sûrs que les analyses générées par les données seront utilisées à bon escient. Cela revient à faire confiance aux gens qui utilisent ces informations pour étayer leurs décisions.  
Il est crucial d’expliquer que l’on ne cherche pas à automatiser l’humain mais plutôt à rendre les données humaines. 


Les gens d’abord
Il faut rendre clair le fait que l’on utilise les données pour récolter des informations qui seront bénéfiques aux objectifs stratégiques de l’entreprise mais qui seront aussi surtout bénéfiques aux personnes impliquées. 
Par exemple, récolter des informations sur le comportement professionnel pour savoir si les gens collaborent au travail, pour connaitre ce qu’ils partagent entre eux et savoir de quelle manière ils communiquent avec les clients peut fournir des informations précieuses aux employés concernés. Ce type d’exercice peut les aider à être plus heureux et plus efficaces au travail. D’un autre côté, cela peut aussi être utilisé pour licencier des gens ou être plus strict sur ce que les gens peuvent ou ne peuvent pas faire sur leur poste.

 

En résumé, je pense qu’il faut faire attention à ne pas sous-estimer les défis à relever pour gagner la confiance de toutes les parties prenantes, y compris et surtout les sujets des analyses. Si l’on ne prend pas cela au sérieux et si l’on ne met pas au cœur de ce que l’on fait, il se pourrait bien qu’on atteigne déjà les limites de People Analytics. 

Les équipes People Analytics efficaces doivent avoir les critères moraux les plus exigeants et doivent toujours faire passer l’humain d’abord. Les gens n’accepteront pas qu’une « boite noire » prenne les décisions les concernant.  Pour gagner la confiance, il est essentiel de comprendre et d’expliquer les algorithmes qui alimentent ces décisions. Une complète transparence et la possibilité de modifier les algorithmes (même de manière subtile) est cruciale. Autrement, l’analytique se retrouvera bientôt sans données à analyser.