Le potentiel de l’intelligence artificielle dans la gérance des ressources humaines

/dans , /par

L’intelligence artificielle (IA) est sans aucun doute un outil puissant. Sa valeur économique augmente énormément et transforme de nombreux secteurs tels que l’industrie manufacturière, FinTech, la santé et l’industrie automobile. Les travailleurs des finances et du marketing connaissent beaucoup de succès avec les technologies d’IA, tandis que les gestionnaires des ressources humaines (RH) trouvent plutôt difficile d’intégrer ces technologies dans leurs pratiques quotidiennes.

Prasanna Tambe, Peter Cappelli et Valery Yakubovich disent dans leurs recherches : « Il y a des différences systémiques et structurelles dans les RH qui rendent plus difficile l’élaboration d’un système fondé sur l’IA. « [1] La qualité et le pouvoir explicatif de Big Data et de l’intelligence artificielle étant limités, ils sont encore considérés comme non conventionnels dans les domaines des RH et de l’emploi. Afin de mieux comprendre ce sujet, les problèmes d’IA doivent être considérés sous l’angle de la science des données dans la gestion des RH.

Les pratiques en matière de RH posent trois grands défis en ce qui concerne la science des données. Le premier problème est le manque de cohérence dans la gestion des processus RH à travers la vie professionnelle. Par exemple, pour déterminer quel candidat devrait être embauché ou qui devrait être promu, il est crucial de consigner et d’analyser de façon cohérente les critères et les compétences qui ont été les facteurs décisifs dans le processus d’embauche précédent.

Le deuxième problème dans les pratiques RH est la limitation des ensembles de données produits dans la gestion des RH. Contrairement à certains secteurs comme le marketing et la finance, où beaucoup de données sont générées et facilement accessibles, la collecte de données dans la gestion des RH fait face à des défis majeurs en termes de quantité et de qualité. En outre, les données dans la gestion des ressources humaines sont souvent non structurées (sur papier, Excel ou PDF). Par conséquent, il est difficile pour l’ordinateur de traiter les données.

La dernière difficulté concerne les questions éthiques liées au traitement des données. Les résultats des décisions RH peuvent avoir un impact significatif sur la carrière d’une personne. Il est donc impératif de réfléchir à la manière dont l’équité et la transparence peuvent être réalisées. D’autre part, il est également crucial de savoir comment les employés réagissent à des résultats qui ne sont basés que sur des algorithmes basés sur des données. Morgan Hampton de Tesla a déclaré que « le recrutement devrait être automatisé autant que possible, l’embauche devrait rester humaine ».

En tenant compte de ces trois questions, lorsque les gestionnaires de RH cherchent des solutions d’IA, ils devraient se concentrer sur les aspects suivants pour utiliser plus efficacement l’IA. Les gestionnaires de RH doivent créer le processus des RH qui est prêt pour l’ère numérique ainsi que la technologie de l’IA.

À présent, les technologies d’IA sont indépendamment séparées, par exemple dans le recrutement et l’acquisition de talent, le management de gestion de la paie et dans les transactions de self-service. Cependant, elles manquent un mécanisme pour générer les données qui peut assister l’ensemble du processus d’IA dans les pratiques de RH.

Souvent, les responsables de RH ne conservent que les applications qui les intéressent et ignorent celles qui sont éliminées. Cela conduit à une conclusion et à une analyse unidimensionnelles[1]. Tous ces critères devraient être respectés lors de la collecte des données et devraient être évalués à terme pour faciliter l’élaboration de modèles de Big Data et de processus d’IA.

En outre, il est important de générer des données de manière durable. Par exemple, il existe des applications d’IA qui peuvent prédire quels travailleurs quitteront bientôt leur emploi et certaines permettent de suivre les points de données dans les réseaux sociaux ou les courriels des employés [2]. Si les employés étaient au courant d’un tel système, ils changeraient probablement leur comportement et produiraient délibérément des données trompeuses.

L’année passée, l’histoire sur l’outil de recrutement d’IA d’Amazon qui est biaisé contre les femmes étant la preuve que l’apprentissage automatique peut reproduire les attitudes humaines. Le sexe n’est pas le seul aspect, qui peut être à l’origine de la discrimination. L’âge, la nationalité ou l’ethnicité peuvent également avoir un impact négatif, empêchant des entreprises de recruter de manière inclusive et diversifiée. Les gestionnaires de RH doivent collecter avec soin des échantillons de données représentatifs et ils devraient chercher des solutions d’IA explicables. Les réseaux neuronaux complexes de l’apprentissage profond sont loin d’être explicites.

A ce jour, les critères de données standards que les responsables de RH doivent respecter tout au long du cycle de pratique RH n’existent pas encore. Cela signifie que les gestionnaires de RH doivent faire équipe avec le service informatique interne de leur entreprise ou avec des fournisseurs d’IA externes, afin de déterminer quelles données sont tracées et comment il faut les mesurer, pour ainsi établir les meilleures pratiques pour l’IA dans leur entreprise.

Chez JANZZ.technology, nous croyons que la collecte et la structuration des données sont fondamentales pour créer de Smart Data. Notre outil d’analyse extrait les entités correctes du papier, d’Excel ou de PDF, assurant un traitement des données de bout en bout équitable dès le début. Voulez-vous savoir plus sur notre analyseur et comment nous pouvons vous aider dans votre voyage de transformation AI ? Veuillez écrire à sales@janzz.technology

[1]Prasanna Tambe, Peter Cappellli and Valery Yakubovich. 2019. Artificial intelligence in human resources management: Challenges and a path forward. URL:https://www.researchgate.net/profile/Peter_Cappelli/publication/328798021_Artificial_Intelligence_in_Human_Resources_Management_Challenges_and_a_Path_Forward/links/5c5edc7f299bf1d14cb7dc5f/Artificial-Intelligence-in-Human-Resources-Management-Challenges-and-a-Path-Forward.pdf [2019.10.20]

[2] Samantha Mclaren. 2019. Here’s how IBM predicts 95% of its turnover using data. URL:https://business.linkedin.com/talent-solutions/blog/artificial-intelligence/2019/IBM-predicts-95-percent-of-turnover-using-AI-and-data[2019.10.20]

JANZZ.technology offre d’IA explicable (XAI)

/dans , /par

Au cours de la dernière décennie, grâce à la disponibilité de grands jeux de données et à une puissance de calcul plus avancée, l’apprentissage automatique, spécialement les systèmes d’apprentissage, s’est considérablement amélioré. Désormais, le succès dramatique de l’apprentissage automatique nous a obligé à tolérer le processus des applications d’AI. En raison de systèmes de plus en plus autonomes, les machines actuelles ne sont pas capables d’informer leurs utilisateurs de leurs actions.

À présent, la plupart des technologies d’IA sont développées par des entreprises privées qui veillent à ce que le traitement de données soit tenu secret. De plus, beaucoup d’entreprises utilisent des réseaux de neurones complexes en IA qui ne peuvent pas expliquer comment ils trouvent des résultats.

Si un system de ce type, par exemple, a un faux impact sur les déplacements des clients, il n’aura pas de conséquences significatives. Toutefois, que se passe-t-il si le système influence de façon erronée les véhicules autonomes, les diagnostics médicaux, l’élaboration de politiques ou l’emploi d’une personne ? Dans ce cas, il serait difficile d’approuver le processus décisionnel d’un tel système.

Au début de l’année, l’organisation de coopération et de développement économiques (OCDE) a proposé ses principes sur l’IA dans le but de promouvoir l’innovation et la fiabilité. L’un des cinq principes de valeur complémentaires pour une gérance responsable de l’IA dit que « il devrait avoir de la transparence et de la divulgation autour des systèmes d’IA afin que les gens comprennent les résultats de l’IA et puissent les contester. » [1]

L’IA explicable a émergée récemment dans le domaine d’apprentissage automatique pour aborder le sujet des décisions « black box » dans les systèmes d’IA. Comme nous l’avons mentionné ci-dessus, la plupart des algorithmes courants utilisés pour l’apprentissage automatique ne peuvent pas être compris par les humains en termes de comment et pourquoi une décision est prise. Par conséquent, il est difficile de diagnostiquer les erreurs et les biais dans ces décisions. Cela est spécialement vrai dans les algorithmes les plus populaires pour les approches de réseaux de neurones dans l’apprentissage profond. [2]

Conséquemment, de nombreux organismes régulatoires, y compris l’OCDE, ont poussé les entreprises vers plus d’IA. Le règlement général sur la protection des données (RGPD), qui est entré en vigueur en Europe, offrait aux citoyens de l’Union européenne un « droit à un examen humain » de tout algorithme. Aux États-Unis, les lois sur les assurances obligent les à expliquer pourquoi, par exemple, elles refusent la couverture de certains groupes ou pourquoi elles ne facturent qu’un petit nombre avec une prime plus élevée. [3]

Il y a deux problèmes principaux associés avec l’IA explicable. Premièrement, il est un défi de définir le concept de XAI correctement. Par ailleurs, les utilisateurs doivent être conscients des limitations de leurs connaissances. Si les entreprises n’avaient d’autre choix que de fournir des explications détaillées, la propriété intellectuelle en tant que promesse (anglais : unique selling position (USP)) disparaîtrait. [4]

Le deuxième facteur problématique est l’évaluation du compromis entre la performance et l’explicabilité. Est-ce que nous devrons standardiser des tâches et réguler les industries pour faire en sorte qu’elles cherchent des solutions d’IA intégrée transparentes ? Même si cela signifie mettre un très lourd fardeau sur le potentiel de ces industries ?

Chez JANZZ.technology, nous faisons notre mieux pour expliquer à nos clients la manière dont nous apparions les candidates et les postes. Notre logiciel d’appariement unique exclut les paramètres secondaires tels que le sexe, l’âge ou l’origine, et ne compare que les compétences, l’éducation, les spécialisations, les expériences, etc. Il utilise exclusivement les aspects qui importent vraiment dans le but de trouver les candidats parfaits.

Au lieu de donner une cote de correspondance, notre système d’appariement décompose tous les critères tels que les fonctions, les compétences, les langues et la disponibilité. Cela permet aux clients de mieux comprendre les résultats et crée les bases pour la requalification et le perfectionnement professionnelle de la main-d’œuvre. Est-ce que vous voulez savoir plus sur la façon dont JANZZ.technology applique les solution d’AI explicable ?

Veuillez écrire à l’adresse suivante sales@janzz.technology

 

 

[1] OECD. 2019. OECD Principles on AI. URL :https://www.oecd.org/going-digital/ai/principles/ [2019.9.17].

[2] Ron Schmelzer. 2019. Understanding Explainable AI. URL: https://www.forbes.com/sites/cognitiveworld/2019/07/23/understanding-explainable-ai/#6b4882fa7c9e[2019.9.17].

[3] Jeremy Kahn. 2018. Artificial Intelligence Has Some Explaining to Do. URL: https://www.bloomberg.com/news/articles/2018-12-12/artificial-intelligence-has-some-explaining-to-do[2019.9.17].

[4] Rudina Seseri. 2018. The problem with ‘explainable AI’. URL: https://techcrunch.com/2018/06/14/the-problem-with-explainable-ai/[2019.9.17].

 

 

 

 

Suisse 2030: Les chances et dangers de la digitalisation

/dans , /par

Des métiers disparaîtront du fait de la digitalisation – rien de nouveau pour nos oreilles. La première étude approfondie sur les effets de la digitalisation d’ici 2030 explique des faits dévastateurs : Rien qu’en Suisse, au moins 1’000’000 d’emplois vont disparaître. Un nombre effrayant pour neuf millions d’habitants. McKinsey & Company ont découvert que presque toutes les industries sont effectivement touchées, mais que la digitalisation crée aussi de nouveaux emplois et de la productivité.

Capacités manuelles et cognitives particulièrement à risque

L’étude McKinsey & Company  » Le futur du travail : l’opportunité digitale de la Suisse  » prévoit que 20 à 25 pour cent des emplois en Suisse sont menacés. Il s’agit avant tout des tâches manuelles et cognitives qui, grâce à la digitalisation, ne doivent plus être effectuées par des personnes telles que les caissiers, les collecteurs de données, les commis d’entrepôt ou les assistants de production. Ces emplois sont déjà de plus en plus automatisés aujourd’hui grâce à un grand nombre de petites aides technologiques – ce qui va considérablement augmenter d’ici 2030. Les compétences artisanales seront également de moins en moins demandées. Nous parlons particulièrement des emplois dits peu qualifiés – où la prudence absolue est requise. D’ici 2030, les compétences en statistique, en lecture et en écriture seront également fortement automatisées. Aujourd’hui, il existe déjà de très bons outils pour réussir la gestion de projet. Le secteur bancaire suisse, en particulier, a donc une tâche importante à accomplir, car de nombreuses compétences sont cruciales à cet égard. Aujourd’hui encore, de plus en plus de clients des banques renoncent au conseil personnalisé et préfèrent le portail d’information dans leur banque en ligne. On prévoit que 50 000 emplois disparaîtront dans le secteur financier, 120 000 dans le commerce de détail et 70 à 100 000 dans l’industrie.

Nouveaux emplois en 2030

Mais bien sûr, la digitalisation exige aussi de nouvelles compétences, qui créent simultanément de nombreux et nouveaux emplois. Les principaux domaines de demande seront les compétences technologiques, scientifiques et sociales. Cela créera à son tour environ 800 000 emplois – mais malheureusement pas principalement dans les mêmes régions où les emplois disparaissent. En même temps, la digitalisation crée aussi des emplois directs, parce qu’elle doit être faite par des êtres humains. Par exemple, « Digital Transformation Officer » ou « Project Manager Internal Digitization » sont désormais en demande.

 

Malheureusement, cependant, les emplois ne peuvent pas être simplement redistribués. Par exemple, un opérateur de machine ne peut pas devenir chef de projet. Ou un caissier une infirmière. Au contraire, la formation et l’éducation doivent commencer dès maintenant, car la reconversion d’une part est très coûteuse et d’autre part difficile à organiser pour une grande partie de la population. De même, on ne peut présumer que les compétences requises et les compétences générales sont disponibles pour ces professions. Nous n’avons pas tous l’empathie et la force nécessaires pour prendre soin des personnes âgées et malades, ni la compréhension technologique des nouvelles professions.

Forte croissance dans le secteur de la santé

A côté du secteur technologique, un nombre particulièrement important d’emplois sera créé dans le secteur de la santé. D’une part, les compétences sociales sont cruciales dans ce domaine. D’autre part, cela est dû au vieillissement de la société : En 2030, 23% de la population suisse aura plus de 65 ans contre 18% aujourd’hui. En conséquence, la demande de personnel infirmier augmente considérablement, une demande supplémentaire jusqu’à 85 000 employés est attendue dans le secteur des soins de santé, en particulier chez les professionnels de la santé, ainsi que les professionnels infirmiers formés. Non seulement trop peu d’employés sont déjà formés, mais beaucoup d’entre eux après un certain temps quittent leur emploi, et parmi les professionnels de la santé, c’est même jusqu’à 3 employés sur 4 qui quittent leur emploi. Les raisons en sont diverses :  le travail par quarts, le travail physique dur ainsi que les le bas salaires. Malgré cela, environ la moitié des infirmières et infirmiers professionnels exercent toujours leur profession.

Non seulement en Suisse, la pénurie s’applique dans de nombreuses régions du monde. Une étude a ainsi montré que dans les années à venir, la pénurie augmentera encore d’environ 2 millions de personnes aux Etats-Unis, où l’on recherche en particulier du personnel médical pour les soins à domicile ou dans les maisons de retraite. Toutefois, les salaires des employés de ces sous-secteurs sont également particulièrement bas, parfois bien inférieurs à la moitié du revenu annuel médian aux États-Unis. Dans ce domaine également, le travail posté (par quarts) et le travail physiquement pénible sont très stressants pour les employés. Dans ces conditions, il devient de plus en plus improbable que les postes nécessaires soient occupés.

Comment le marché du travail sera-t-il financé et structuré ?

C’est bien que le travail physique soit facilité, car il peut être pris en charge par des robots ou d’autres petits assistants. Malheureusement, cela permet aussi d’alléger les finances des caisses d’ assurance-maladie . Parce que les robots ne paient pas d’impôts et ne cotisent pas aux fonds de pension. Alors, comment financer le futur marché du travail, nos rues, nos écoles, ou tout le nouvel équipement pour le monde digital ? Allons-nous introduire une «taxe de digitalisation» ? Ou bien les employeurs doivent-ils aussi payer des cotisations de retraite pour les robots comme pour les employés humains ?

 

La question est maintenant de savoir dans quelle mesure il est non seulement possible de reprendre les activités par des robots, etc. mais aussi dans quelle mesure cela est permis. Parce que là où les yeux humains ont regardé jusqu’ici, seuls maintenant les écrans perçoivent les changements. Est-ce que c’est juridiquement justifiable ? De même, de nombreuses activités nécessitent l’obtention de certains certificats. La question est donc de savoir comment sécuriser la compétence d’un robot. Les robots, par exemple, peuvent-ils réussir les examens de conduite ?

 

Et c’est précisément lorsque des erreurs sont commises que la clarification des responsabilités est déjà difficile de nos jours. Souvent, des avis d’experts sont rédigés pendant des mois pour clarifier qui est responsable de tout dommage subi. Alors, allons-nous bientôt pouvoir souscrire une « assurance robot » ?

Des problèmes similaires dans le monde entier

La Suisse n’est pas le seul pays à faire face à ces défis. L’Allemagne manque déjà de 300 000 travailleurs dans les secteurs MINT. Aux États-Unis, une étude à grande échelle a examiné la probabilité d’automatiser 702 emplois et a conclu que 47 % de la main-d’œuvre américaine est très susceptible d’être affectée. Cependant, les emplois qui exigeaient un haut degré d’intelligence sociale (p. ex. porte-parole de presse), de créativité (styliste de mode) ainsi que de bonnes aptitudes à la manipulation (chirurgien) étaient à peine en danger. Nous sommes donc confrontés à des défis similaires dans le monde entier. Le groupe d’investissement CBRE a découvert que 50 pour cent de tous les emplois en Asie d’ici 2025 sont déjà menacés, en particulier dans les domaines manuels et cognitifs simples.

 

Measures

En Allemagne, la gravité de la situation est désormais également reconnue. Une loi sur l’immigration simplifiée en tant que travailleur qualifié sera introduite afin de lutter contre la pénurie de travailleurs qualifiés, en particulier dans le secteur de la santé. Cela s’applique aux citoyens de pays tiers, c’est-à-dire non-membres de l’UE/AELE, qui bénéficient déjà de la libre circulation des personnes. L’immigration peut être toute personne ayant les qualifications suffisantes pour exercer une profession et disposant d’un contrat de travail. Il y aura également un visa de six mois pour la recherche d’emploi. Le contrôle plus précoce visant à déterminer si un citoyen de l’UE pourrait faire le travail à la place sera interrompu. Des idées similaires sont récemment venues du Royaume-Uni. Un « Start-Up-Visa » sera introduit au printemps 2019. Le gouvernement veut faciliter la création de nouvelles entreprises technologiques étrangères au Royaume-Uni.

Faire de la transformation un succès

Comment répondre à ces défis ? La digitalisation se concentre sur deux tâches. Premièrement, la transformation de l’économie doit être soutenue de manière décisive, sans la laisser se produire trop rapidement. Une transformation trop rapide pourrait entraîner une hausse du chômage, car il n’a pas encore été possible de développer les nouvelles compétences requises. La transformation nécessite de nouveaux processus et modèles économiques pour les entreprises. En Suisse, par exemple, seulement 8 pour cent des commerces ont lieu en ligne, contre 15 ou 18 pour cent en Allemagne et au Royaume-Uni. Si elle y parvient, l’économie suisse, en particulier, pourra profiter considérablement de la transformation et augmenter sa productivité d’environ un pour cent par an. Des salaires réels plus élevés auraient également tendance à accroître la consommation, ce qui créerait également de nouveaux emplois.

Éduquer au lieu de d’attendre

En même temps, il faut mettre l’accent sur la formation fondamentale des employés et des apprenants dans les compétences de l’avenir. Les apprentissages devraient avoir beaucoup plus de contenu technologique, par exemple, les apprenants au bureau devraient être capables d’effectuer davantage de tâches sur l’ordinateur. Aujourd’hui encore, la demande de diplômés en technologie est loin d’être satisfaite en Suisse ; à l’avenir, avec environ 3000 diplômés, moins de la moitié seraient disponibles pour couvrir les postes à pourvoir. Dans le même temps, il apparaît à plusieurs reprises que les compétences sociales sont fondamentalement sous-estimées, mais qu’elles jouent un rôle majeur dans le développement réussi à long terme du marché du travail. C’est également à ce niveau que les entreprises et les établissements d’enseignement devraient commencer et offrir une formation complète. Dans l’ensemble, il est donc indispensable de repenser fondamentalement le développement des compétences.

 

Claire et impartiale analyse des écarts pour une transformation réussie

JANZZ.technology observe et travaille avec de nombreux marchés du travail dans le monde entier depuis près d’une décade. Notre moteur d’adéquation sémantique «JANZZsme!» permet d’apparier les compétences, les expériences, les spécialisations, les secteurs d’activité, etc. sans aucun préjugé et crée des analyses d’écarts transparentes et faciles à comprendre sur les compétences de vos employés. Cela vous donnera une idée claire des compétences qui sont disponibles, qui devraient être développées ou renouvelées. Contactez-nous dès maintenant pour une consultation et nous vous accompagnerons avec notre savoir-faire sur votre chemin vers la digitalisation avec succès.

Écrivez maintenant à sales@janzz.technology

 

[1] McKinsey Global Institute. 2018. The Future of Work: Switzerland’s Digital Opportunity. Zürich/Brüssel. URL: https://www.mckinsey.com/~/media/mckinsey/featured%20insights/
europe/the%20future%20of%20work%20switzerlands%20digital%20opportunity/the-future-of-work-switzerlands-digital-opportunity.ashx [2018.11.10].

[2] Hug, Daniel. 2018. Bis 2030 fallen in der Schweiz eine Million Jobs weg. In: NZZ am Sonntag, 6.10.2018. URL: https://nzzas.nzz.ch/wirtschaft/bis-2030-fallen-in-schweiz-eine-million-jobs-weg-ld.1426280?reduced=true [2018.11.10].

[3] AsiaOne. 2016. Top 10 careers that are dying a slow death. URL: http://www.asiaone.com/business/top-10-careers-are-dying-slow-death [2018.11.08].

[4] Frey, Carl Benedikt, Osborne, Michael A. 2013. The Future of Employment: How Susceptible are Jobs to Computerisation?. Oxford. URL: https://www.oxfordmartin.ox.ac.uk/downloads/academic/future-of-employment.pdf [2018.11.10].

[5] Oh, Soo. 2017. The future of work is the low-wage health care job. URL: https://www.vox.com/2017/7/3/15872260/health-direct-care-jobs [2018.11.10].

[6] MAMK/DPA. 2018. Arbeitgeber melden Rekord beim Fachkräftemangel. In: KarriereSPIEGEL. URL: http://www.spiegel.de/karriere/fachkraeftemangel-arbeitgeber-klagen-ueber-fehlende-mint-kraefte-a-1207636.html [2018.11.08].

[7] Bauer, Karin. 2018. Welche Jobs bleiben, welche verschwinden. In: Der Standard. URL: https://derstandard.at/2000078804017/Welche-Jobs-bleiben-welche-verschwinden [2018.11.09].

[8] Walser, Rahel. 2017. Beruf Fachkraft Gesundheit – Nach der Lehre die grosse Ernüchterung. URL: https://www.srf.ch/news/schweiz/beruf-fachkraft-gesundheit-nach-der-lehre-die-grosse-ernuechterung [2018.12.03].

[9] Böcking, David. 2018. Einwanderungsgesetz für Fachkräfte. Wer darf künftig zum Arbeiten nach Deutschland kommen? In: Der Spiegel. URL: http://www.spiegel.de/wirtschaft/soziales/fachkraefte-die-offenen-fragen-beim-einwanderungsgesetz-a-1239722.html [2018.12.05].

[10] Hoock, Silke. 2018. Abschiebung nach Mazedonien. Wieder eine Krankenschwester weniger. In: Der Spiegel. URL: http://www.spiegel.de/wirtschaft/abschiebung-krankenschwester-amela-memedi-muss-nach-mazedonien-a-1239890.html [2018.12.05].

[11] The Government of United Kingdom. 2018. New start-up visa route announced by the Home Secretary.  URL: https://www.gov.uk/government/news/new-start-up-visa-route-announced-by-the-home-secretary [2018.12.03].