Le Big Data et les analytics vont étendre leur terrain d’action dans l’entreprise à grande vitesse dans les prochaines années et un des premiers terrains visés sera le recrutement. Devant ce phénomène on voit deux attitudes se dégager. La première, traditionnelles chez les amateurs de nouveauté et apôtres du changement à tout crin, est d’en louer le coté positif et, de toute manière, de faire remarquer que vu que c’est inéluctable il faudra bien faire avec. La seconde, plus conservatrice est de s’inquiéter d’un double risque : celui, en renforçant l’automatisation du dispositif de recruter de plus en plus de clones et sa conséquence, renforcer les phénomènes de discrimination.
Commençons d’abord par tordre le cou à un fantasme : le processus de recrutement ne sera jamais de A à Z par une machine. A la fin, celle-ci – quoique je préfère le terme « agent intelligent » à machine – va se borner à émettre une recommandation. Il reviendra toujours à un humain de décider de la suivre ou non. A ce dernier de savoir faire preuve de jugement.
Ceci dit on ne peut pas se voiler la face et refuser d’admettre que confier la chose à une machine et automatiser le recrutement peut conduire à recruter des clones et à discriminer. Mais – mais il ne s’agit que de mon point de vue – cela revient à faire un gros contresens sur le mot « automatiser ».
Aujourd’hui le recruteur se comporte déjà comme une machine
Une automatisation du recrutement « à l’ancienne » présente effectivement ce risque. Mais que voulait dire « automatisation » jusqu’à présent ? Un type d’école précis, un niveau d’études précis, telle expérience dans tels types de fonctions, maitrise de telle ou telle langue. Plus quelques critères personnels qui faisaient qu’on était certain que le candidat, une fois recruté, allait parfaitement se fondre dans le moule. Sur ce point je vous laisse juge des critères acceptables ou pas. Mais quoi qu’il en soit on déterminait a priori les critères du « bon » candidat et on les appliquait mécaniquement…dès la lecture automatique du CV par des machines (déjà…) qui se bornent à identifier certains mots clé avant de « passer » le candidat aux recruteurs après ce premier tri. Et lorsque les humains géraient tout de A à Z, la règle étant le suivi des critères, il ne fallait s’attendre à autre chose que du recrutement de clones. D’autant plus que le recruteur lui-même ne voulait pas prendre le moindre risque. Au final le « client final », le manager opérationnel, n’était jamais satisfait des candidats qu’on lui proposait à la fin du process.
L’automatisation telle que conçue aujourd’hui ne part pas de critères a priori mais d’une adéquation a posteriori. Elle ne part pas du principe que certains profils sont plus adaptés au poste que d’autres mais constate que certains profils réussissent mieux dans le poste – et dans l’entreprise – que d’autres. Alors peut être que dans une grande partie des cas on peut arriver au même résultat. Mais une telle pratique peut également permettre de faire émerger des profiles atypiques.
Prenons un cas imaginaire.
Un recruteur donné peut, en fonction de son expérience, ne pas estimer qu’une personne ayant fait des études d’Histoire soit spécialement qualifiée pour un poste à la Direction de la Communication. Sur un échantillon de centaines de milliers de cas, l’agent intelligent peut, lui, se rendre compte que le peu de profils similaires qui ont eu ce type de carrière ont, paradoxalement, mieux réussi que la moyenne dans ce type de fonction et eu des parcours qui les ont amené loin (et haut) dans les entreprises concernées.
Remplacez ce critère par celui que vous voulez et vous obtenez la logique.
La machine peut favoriser la diversité à condition qu’on lui dise de la prendre en compte
Je pense même qu’on peut aller beaucoup plus loin. La machine peut, au niveau de l’entreprise ou d’une équipe, identifier l’importance de la diversité (non pas parce qu’elle y croit mais parce qu’elle l’a constaté de manière mesurable sur la performance pure, le turnover, l’engagement, l’innovation…) et prendre en compte le critère diversité dans sa recommandation. « Celui-là est le meilleur mais pour la performance globale et durable de l’équipe je suggère celui-là ».
Quand on prend en plus en compte tous les biais cognitifs qui interviennent dans le recrutement et les candidats « ejectés » pour des critères qui n’ont rien à voir avec leur capacité par rapport au poste – souvent sans même que le recruteur en ait conscience – et sans prétendre que la machine soit parfaite – loin de là – j’ose croire à une amélioration tangible de la performance du recrutement dont l’objectif n’est pas de choisir des gens « comme ci » ou « comme ça » mais des gens qui réussiront dans leur poste et dans l’entreprise.
Pour finir la machine ne sera jamais qu’une machine : elle fait ce qu’on lui dit de faire et délivre l' »outcome » désiré. Inclure les garde-fous nécessaires dans son logiciels et être précis sur l' »outcome attendu » (performance, intégration, diversité, engagement) est du ressort de l’Humain qui, in fine, aura le dernier mot au moment de faire la décision finale.
Reste à savoir si cette décision finale sera l’occasion d’équilibre les erreurs de la machine ou, au contraire, de réintroduire des biais dans un process qui en a été exempt jusque là. On verra bien.
Mais une fois encore le problème n’est pas et ne sera jamais la technologie. C’est l’Homme qui la conçoit et l’utilise.
Crédit Image : Clone via Shutterstock
