Pourquoi vos compétences douces surpassent vos compétences techniques

Tout le monde parle de la digitalisation. «Nous devons nous préparer à la digitalisation maintenant». «Entraînez-vous à la digitalisation». C’est ce que disent les médias, les entreprises, le voisin de table de la cantine de l’entreprise. Et même les politiciens du monde entier ne sont aucunement inférieurs à cela et ont pris des précautions suffisantes: Les États-Unis ont une «stratégie de gouvernement digital», le gouvernement polonais a tout un ministère pour cela. Le Bundestag allemand a un chef coordinateur pour les affaires digitales, un ministre d’état pour les affaires digitales et chaque ministère a son propre département digital. Enfin…

Tout le monde vous hypnotise qu’à partir de maintenant les compétences technologiques sont décisives. Et donc, tout le monde passe rapidement à l’action : codage, CRM, ERP au lieu de cours de leadership ou de langues. Et même les plus petits devraient être des génies de l’informatique à l’école primaire, car cela leur assurera une bonne carrière. «Ayez une longue liste de compétences spécialisées et tout le monde vous voudra», «ça sonne partout», «cela vous permet de sauter quelques étapes sur l’échelle des carrières».

Pourquoi même Google ne recherche plus seulement les bonnes compétences matérielles

C’était d’autant plus perturbant lorsqu’un des employeurs les plus populaires a découvert quelque chose de complètement différent. Le géant de la technologie Google a fait des recherches sur ses employés les plus performants, et en particulier sur ses gestionnaires, pour savoir quelles compétences ils avaient en commun et ce qui distingue constamment leurs meilleurs employés. Le résultat n’a pas seulement étonné l’entreprise, mais aussi de nombreux employés des RH en général. Les compétences technologiques et scientifiques, telles que les mathématiques, le codage, etc. ont fini en dernière position. Contrairement à l’hypothèse selon laquelle ces compétences assureraient une carrière réussie, on a constaté que les compétences les plus importantes pour réussir étaient principalement dans le domaine des compétences sociales. Ainsi, le groupe de recherche a fait preuve de capacités distinctes en matière de communication et d’encadrement, et a su très bien écouter. Il était également important de pouvoir se mettre à la place des autres, c’est-à-dire d’être empathique. Et last but not least, il était également essentiel de pouvoir examiner ces connexions de façon critique. Les établissements d’enseignement du monde entier se sont sentis confirmés dans le fait que les humanistes sont impitoyablement sous-estimés sur le marché du travail. Parce que, curieusement, comme nous l’avons déjà vu, les compétences en mathématiques se sont retrouvées en dernière position. [1]

Quelles sont les compétences dont nous aurons besoin d’ici 2030 ?

Cela est également souligné par une étude réalisée par le cabinet d’audit Deloitte. Cette étude a examiné en particulier quelles compétences sont décisives pour les emplois nouvellement créés jusqu’en 2030. Il dit que les personnes ayant de hautes compétences en mathématiques seront en demande à l’époque de l’automatisation. Cependant, la créativité et l’intelligence sociale et émotionnelle seront des compétences particulièrement prometteuses pour l’avenir. D’une part, nous avons un secteur des services en rapide évolution dans lequel ces compétences sont particulièrement demandées. D’autre part, ils offrent également une protection directe contre l’automatisation – les gens ont un avantage évident sur les machines et les softwares lorsqu’il s’agit de créativité et d’intelligence sociale. Il y a un fort besoin de compétences en communication et en langues ainsi que de créativité, c’est-à-dire d’originalité et de flux d’idées [2]. Alors, le fameux «Think outside the box» compte. Pensez, par exemple, au chef de projet qui répartit parfaitement les budgets de ses projets, mais qui ne peut pas comprendre les problèmes rencontrés par le client.

Évaluons-nous les diplômes de façon injuste ?

Mark Cuban, milliardaire américain autodidacte dans l’industrie du software, le résume en quelques mots en 2017: «Je vais faire une prédiction. Dans dix ans, un diplôme en philosophie en sciences humaines vaudra plus qu’un diplôme en programmation traditionnelle.» Parce que, selon Cuban, les machines seront capables de calculer et de programmer pour nous, et il prédit donc que «le savoir comment réfléchir de manière critique et les évaluer d’un point de vue global, je pense, sera plus utile que ce que nous considérons comme des carrières passionnantes aujourd’hui, qui pourraient être la programmation, la SCP ou d’autres choses du genre». [3]

La question maintenant est de savoir comment nous abordons ces conclusions en termes d’éducation. Qu’avons-nous vraiment à apprendre aux jeunes à réussir et à être heureux dans le monde de 2030? Si vous pensez que les «technology daddies» de ce monde sont surtout engagés dans le développement des compétences technologiques, ce n’est probablement pas le cas. Dans la famille Gates, par exemple, l’ordinateur ne peut être utilisé que dans la cuisine et il n’y a pas de smartphones du tout. Il est également important pour Mark Zuckerberg que ses enfants passent plus de temps à lire et à dehors. [4] Jack Ma, fondateur du groupe Alibaba, a également déclaré dans un discours, «J’ai dit à mon fils: tu n’as pas besoin d’être dans les trois premiers de ta classe, c’est bien d’être dans le milieu, tant que tes notes ne sont pas trop mauvaises. Seul ce genre de personne [un étudiant de niveau intermédiaire] a assez de temps libre pour apprendre d’autres compétences. Je pense que si l’économie chinoise doit se développer, elle a besoin d’un grand nombre de PME et d’entreprises dirigées individuellement, et cela exige beaucoup d’entrepreneurs qui ont des valeurs et de la motivation. [5]

Ces mots mettent en évidence la vie de Steve Jobs. Il y a aussi des histoires similaires sur lui en tant que père. Les grands entrepreneurs technologiques savaient-ils que leurs compétences sociales ont joué et continuent de jouer un rôle décisif dans leur réussite ? Last but not least, Steve Jobs a toujours été dit manquer dans ce domaine, mais les analyses de divers psychologues disent que Jobs savait exactement quand il voulait utiliser l’intelligence émotionnelle et quand moins. Après tout, il avait beaucoup d’employés qui ont changé à cause de lui et avec lui d’Apple à sa propre start-up – il semblait donc être capable de les motiver et de les inspirer très bien en secret. [6]

De plus, les compétences sociales sont cruciales pour un bon match

Des compétences douces bien développées sont utiles dans tous les domaines d’emploi et ne doivent pas être sous-estimées, même si nous sommes dans une période technologiquement sensible. Cependant, nous pouvons être sûrs que l’intelligence sociale et émotionnelle continuera d’être cruciale pour un emploi réussi au-delà de 2030. Chez JANZZ, nous savons à quel point les compétences douces sont importantes pour un matching entre homme et poste, car ces compétences déterminent précisément si le candidat enrichit réellement l’équipe et l’entreprise. Nos algorithmes spéciaux de matching tiennent compte non seulement des titres d’emploi et de la formation, mais aussi de nombreux petits détails qui mènent finalement à un bon emploi, comme les compétences douces si importantes. Ainsi, une approche de match parfait peut être garantie, basée sur les dernières découvertes concernant les meilleurs employés. Nous serons heureux de vous donner plus d’informations sur les meilleurs algorithmes de matching possibles et de vous conseiller sur votre chemin vers un bon matching.

Écrivez maintenant à sales@janzz.technology

[1] Strauss, Valerie. 2017. The surprising thing Google learned about its employees — and what it means for today’s students. URL: https://www.washingtonpost.com/news/answer-sheet/wp/2017/12/20/the-surprising-thing-google-learned-about-its-employees-and-what-it-means-for-todays-students/?noredirect=on&utm_term=.d4cfd1f9cd76 [2018.09.15].

[2] Deloitte AG (Hrsg.). 2017. Welche Schlüsselkompetenzen braucht es im digitalen Zeitalter? Auswirkungen der Automatisierung auf die Mitarbeiter, die Unternehmen und das Bildungssystem. URL: https://www2.deloitte.com/content/dam/Deloitte/ch/Documents/innovation/ch-de-innovation-automation-competencies.pdf [2018.09.15].

[3] Montag, Ali. 2018. Mark Cuban says studying philosophy may soon be worth more than computer science—here’s why. URL: https://www.cnbc.com/2018/02/20/mark-cuban-philosophy-degree-will-be-worth-more-than-computer-science.html [2018.09.15].

[4] Johnson, Alice. April, 7th, 2018. Viewpoint: Tech billionaire parenting. In: The Times. New York City.

[5] Custer, C. 2015. Jack Ma: ‘What I told my son about education’. URL: https://www.techinasia.com/jack-ma-what-told-son-education [2018.09.15].

[6] Bariso, Justin. 2018. Was Steve Jobs Emotionally Intelligent? The Answer May Surprise You.  In: Inc. URL: https://www.inc.com/justin-bariso/was-steve-jobs-emotionally-intelligent-answer-may-surprise-you.html [2018.09.15].

Protégez les jeunes: Comment les accidents du travail et les maladies coûtent des vies et de l’argent dans le monde entier.

Les jeunes sont beaucoup plus souvent touchés par les accidents du travail et les problèmes de santé liés à leur travail que les employés plus âgés. D’après l’Agence européenne pour la sécurité et la protection de la santé, ils sont jusqu’à 40 % plus susceptibles d’être victimes d’accidents du travail. Les jeunes employés doivent donc être mieux protégés et éduqués par l’employeur.

Les Nations Unies définissent les jeunes travailleurs comme étant des travailleurs âgés de 15 à 24 ans. Peu importe le genre de travail qu’ils font, qu’il s’agisse d’employés permanents, en apprentissage, en stage ou en soutien à l’entreprise familiale. Il y a 541 millions de jeunes travailleurs dans le monde, ce qui représente 15 % de la main-d’œuvre.

De nombreuses personnes travaillent dans des conditions dangereuses. Surtout dans des domaines tels que l’agriculture, la construction ou la production, de nombreux accidents du travail sont signalés. Les chiffres de l’Organisation internationale du travail (OIT) indiquent que 374 millions de salariés dans le monde ont été victimes d’accidents du travail en un an. Par exemple, en Europe un peu moins de 3900 accidents du travail d’ailleurs mortels ont été enregistrés en 2015. C’est le terme utilisé pour décrire les accidents mortels.

Les jeunes sont particulièrement touchés par les risques élevés parce qu’ils n’ont pas encore les mêmes compétences et l’expérience que les employés plus âgés. Ils sont donc moins en mesure d’évaluer les dangers et n’ont pas encore reçu les connaissances sur la façon dont ils peuvent prévenir ou plutôt réduire les dangers. En même temps, leur corps et leur cerveau (en particulier le cortex frontal, où la raison et le jugement ont leur siège, ne se développe complètement qu’en dernier, généralement après 20 ans) et ne sont donc pas encore complètement développés. De nombreux appareils et outils sont développés pour la manipulation des adultes et non celle des jeunes, ce qui donne aux jeunes l’occasion de se blesser plus facilement. Les réactions de l’organisme aux substances polluantes sont également plus fortes. En conclusion, les jeunes employés ne sont souvent pas en mesure de réagir aux abus parce qu’ils ne les reconnaissent pas, ni n’osent dire quoi que ce soit contre leur employeur.

En général, la probabilité d’un accident du travail est quatre fois plus élevée au cours du premier mois d’un emploi que pendant toute l’année suivante. Cette probabilité augmente énormément pour les jeunes travailleurs, puisqu’elle est cinq fois plus élevée au cours du premier mois que pour les travailleurs plus âgés. L’Agence européenne pour la sécurité et la santé au travail cite comme exemple le cas d’un garçon de 18 ans qui est décédé après quatre jours de formation à la suite de brûlures qu’il a subies lors de l’élimination de l’essence et du diesel. Son employeur ne lui avait pas donné de formation de base en matière de sécurité ni à ses autres employés.

En se basant sur cette expérience et sur bien d’autres, l’agence souligne l’importance de la formation en matière de sécurité et de santé, en particulier pour les jeunes employés. Elle conseille, entre autres, de fournir des informations et des conseils complets sur les dangers fréquents et spéciaux, les possibilités d’autoprotection, les personnes à contacter en cas de dangers et les actions à mener en cas d’urgence. Elle recommande également que les superviseurs (à la place de superviseurs : les encadrants travaillant avec des jeunes) reçoivent une préparation spécifique pour travailler avec les jeunes employés, car on ne s’attend pas à ce qu’ils soient aussi prudents que les employés plus âgés. Dans de nombreux pays, la loi stipule également que l’employeur doit identifier les dangers, évaluer les risques et prendre des mesures pour les prévenir.

Après tout, beaucoup de choses sont perdues en raison d’une sécurité insuffisante au travail. L’Organisation internationale du travail (OIT) estime que les mauvaises conditions de santé et de sécurité coûtent environ 4% du PIB mondial par an. Les entreprises et l’économie sont fortement affectées par les accidents du travail, car les risques potentiels peuvent déjà réduire la productivité et les employés touchés par les accidents et les maladies ne sont pas en mesure de travailler. De même, il peut y avoir des investissements dans l’adaptation des lieux de travail à la suite d’un éventuel handicap des salariés concernés. « Enfin et surtout », il ne faut pas oublier que les accidents du travail peuvent détruire les perspectives de carrière, la sécurité sociale et le bien-être fondamental des (jeunes) tout au long de leur vie. La formation et l’investissement sont donc rentables pour les employeurs et les employés à court et à long terme.

Cependant, les plus importantes consignes de sécurité doivent déjà figurer dans une offre d’emploi. Cela permet au jeune employé de s’adapter dès le départ aux conditions locales et d’assurer ainsi une plus grande prudence dès le début. Avec le « Knowledge Graph – JANZZon ! » et les API Typeahead multilingues hautement développées, les offres d’emploi des professions avec un potentiel de risque particulièrement élevé peuvent déjà être enrichies sémantiquement. Soit une proportion supérieure à la moyenne de jeunes salariés de l’enquête ayant les compétences requises en matière de sécurité ou les informations et compétences nécessaires sont intégrées dans les processus de recrutement et d’intégration.

Toujours plus de bruit pour rien…. ou pourquoi le buzz sur Big Data et l’intelligence artificielle dessert davantage l’auto-marketing que les faits et le progrès.

Tous les deux jours, nous produisons la quantité de données qui avait été produite au total jusqu’en 2003. Déjà en 2010, l’ancien PDG de Google, Eric Schmidt, choqua par la révélation de ce fait et la production de données a bien sûr subit une accélération depuis. Bien que le «traitement de masses de données» ne soit pas nouveau, l’engouement pour le terme plus connu sous le terme de «Big Data» n’a réellement commencé qu’au cours des dernières années [1]. Mais bien trop rapidement et beaucoup se perdent dans cette jungle de données sans cesse croissante et de méthodes abscons.

 

Les coïncidences sont incalculables

Parce que «davantage de données ne signifie aucunement un plus grand savoir», proclame succinctement Gerd Antes dans un entretien avec le Tagesanzeiger. Le mathématicien critique avec virulence le battage publicitaire autour de l’utilisation de Big Data, car la masse de données rendrait les corrélations aléatoires plus probables. Ainsi par exemple, la consommation de fromage par habitant et le nombre de décès causés par l’enchevêtrement dans les draps de lit aux États-Unis présentent une courbe identique. Alors qu’une analyse machine aurait pu en tirer des conclusions, un scientifique humain reconnaît immédiatement qu’il s’agit d’une coïncidence. [2]

Big, bigger, big data? N’exagérez pas vos réussites.

Cependant, selon de nombreux adeptes de Big Data, les coïncidences n’existent plus. Si suffisamment de données sont disponibles, ces adeptes croient à présent que toutes les interrelations peuvent être calculées à l’avance. Et ce, grâce à la machine ou à l’apprentissage profond et aux analyses correctes. L’expérience et les ensembles de formation disponibles (du passé) seraient amplement suffisants pour cela, et il n’y aurait pratiquement pas ou presque pas de zones d’erreur en raison de données manquantes ou non pertinentes. Cette conclusion est absolument fatale. Bien sûr, certains domaines, périodes temporelles et interrelations, etc. pour lesquels quelque chose est plus ou moins susceptible de se produire peuvent être identifiés plus facilement. Ce qui ne signifie pas pour autant qu’aucune coïncidence ou déviation significative n’est possible. Ainsi, par exemple, comment une analyse des données recueillies dans le passé peut-elle prédire avec précision les accidents de la route à l’avenir? Ou celui des maladies? Car les progressions de maladies – et donc les données numériques sur les patients – sont loin d’être toujours complètes, uniformes et suffisamment significatives. [2]

 

L’analyse des données peut donc constituer une menace pour la vie…

Surtout dans le domaine de la médecine, Gerd Antes n’est pas le seul à mettre en garde contre le battage publicitaire autour de Big Data et de l’intelligence artificielle. Si une méthode de traitement incorrecte est appliquée sur la base des résultats d’une grande analyse de données et de l’apprentissage machine, les effets peuvent être très dangereux – pour l’humain, pour le portemonnaie et pour la réputation. Car avec une telle quantité de données, les véritables corrélations et incohérences ne seront peut-être même pas détectées. Des corrélations et des incohérences qui peuvent menacer ou sauver des vies. [2]

Très récemment, IBM refaisait la une des gros titres négatifs lorsque l’entreprise de média STAT avait analysé les documents internes d’IBM pour un rapport interne qui concluaient que Watson for Oncology avait recommandé à plusieurs reprises des traitements «dangereux et incorrects» contre le cancer. Des documents qui révélaient également que les employés et les cadres supérieurs d’IBM en étaient informés. Bien que ces recommandations n’aient pas encore permis de prouver un seul décès relatif, de nombreux hôpitaux renommés ont décidé de cesser d’utiliser cette technologie de plusieurs millions de dollars. [3]

À ce titre, les premiers signes distincts d’une remise en question et d’une approche un peu plus rationnelle peuvent être constatés dans ce domaine. En définitive, l’engouement apparemment illimité pour l’ordinateur miracle Watson d’IBM dans le domaine de la médecine d’il y a deux ou trois ans est en train de s’estomper. De nombreuses autres applications similaires suivront. Au plus tard lorsqu’il s’agira davantage de faits, de résultats fiables et de pertinence, et moins d’auto-marketing à grande échelle et de promesses charpentées des groupes technologiques mondiaux bien connus et de leurs produits souvent encore très expérimentaux. Ce qui toutefois est certain, c’est que les résultats et les apprentissages de la médecine décrits précédemment peuvent être transférés presque 1:1 sur le marché numérique des ressources humaines, où ils sont utilisés pour faire correspondre les emplois et les talents, par exemple.

 

Les savoirs dignes de confiance proviennent d’experts

ll y a plus de cinq ans déjà, Cornel Brücher provoquait avec son ouvrage «Rethink Big Data» et qualifiait les adeptes de Big Data de crétins. Chez JANZZ, nous l’avons vu de façon très similaire depuis le tout début. Il n’est tout simplement pas possible d’acquérir des connaissances dans le domaine des emplois et des CV, des données professionnelles plus complexes, etc. uniquement avec l’apprentissage machine. Quiconque affirme le contraire a de toute évidence tort. Et ces affirmations restent fausses et inutiles, quelle que soit la fréquence à laquelle les mêmes idées et produits sont promus et commercialisés à nouveau. Et ce, même si l’on investit beaucoup plus d’argent dans ces technologies qu’auparavant. De ce fait, et malgré les nombreux investissements réalisés, les résultats qui reposent sur cette même approche restent largement insuffisants et ne se sont guère améliorés au cours des dernières années. Et ce, nonobstant la quantité de données utilisées, par exemple pour LinkedIn, IBM & Co. Les résultats de l’apprentissage machine sont non seulement de plus en plus sujets à l’erreur – plus les facteurs et les variables se cumulent, et par conséquent des règles et des relations compliquées sont ajoutées, plus ces corrélations incorrectes ou parfois même des causalités supposées en résultent. Les Knowledge Graphs, voire les ontologies, créent par contre la possibilité de cartographier et d’utiliser les connaissances d’une manière extrêmement profonde et structurée. Du fait que les connaissances et les savoirs des experts dans leur domaine sont archivés et connectés de manière structurée – et non pas calculés par des informaticiens qui sont des experts en programmation et non pas par exemple, en médecine ou dans différents domaines de l’ingénierie ou de l’investissement bancaires – la connaissance des Knowledge Graphs est parfaitement vérifiable et digne de confiance. Une caractéristique majeure qui manque aux calculs basés sur l’apprentissage machine. Comme par exemple dans le domaine des données sur les professions: parce qu’un Knowledge Graph reconnaît la différence et les liens entre les compétences, les expériences, les fonctions, les spécialisations et la formation, il sait que pour le titre du poste à pourvoir «T» avec la formation «F», la compétence «C» est importante. Prenons l’exemple d’un «Senior Cloud Architect»: un Knowledge Graph reconnaît ce titre de poste et sait par exemple que les études de master «Computer Science» pourraient un jour mener à ce titre si le candidat peut prouver en même temps sa compétence en «Cloud Solution Development» ainsi que plusieurs années d’expérience professionnelle.

 

Google aussi s’appuie sur des experts, voire sur un Knowledge Graph pour les données sur les professions

Google aussi n’avait pas négligé de le proclamer lorsque l’entreprise a lancé son Knowledge Graph «Google Cloud Jobs API , sur lequel est basé son moteur de recherche d’emplois Google (voir Google lance son moteur de recherche d’emploi par ontologie. Et alors?). Google s’était alors rendu compte qu’une approche ontologique permettait d’obtenir de meilleurs résultats de recherche. Dans le cas d’une recherche sémantique basée sur la connaissance d’un Knowledge Graph, aucun résultat qui ne serait similaire au terme de recherche, tel que «RH Admin» ou «Logiciel Admin», ne serait ajouté à une recherche «Admin Assistant administratif». De même qu’une analyse de Big Data pourrait éventuellement identifier des corrélations aléatoires, suggérant des emplois complètement différents, des emplois tiers qui n’ont en commun que des exigences de compétences similaires (ainsi, les ingénieurs et les employés de bureau ont certainement tous besoin de connaître Microsoft Office).

Connaître la différence et donc connaître vraiment la recherche d’emploi et la compréhension générale des professions et de leurs interrelations n’est généralement possible qu’avec un Knowledge Graph. Matt Moore, directeur du produit Google Cloud, a expliqué la signification et la raison d’être de l’API Google Cloud Jobs: «Nous voulons donner à tous les employeurs et tous les candidats de meilleures expériences lors de leur recherche d’emploi. Parce que, soyons réalistes, embaucher les bonnes personnes est la chose la plus importante que les entreprises doivent faire.» [4]

 

Seuls les humains disposent des connaissances humaines requises…

Et cela soulève la question de savoir en qui on peut vraiment avoir confiance lorsqu’il s’agit de ce qui est probablement la tâche la plus importante: la sélection du personnel. C’est une histoire sans fin: à en juger par le CV, le candidat/la cadidate était parfait/parfaite, mais au niveau humain, ça n’allait pas du tout. Tirer de telles conclusions, qui ne suggèrent pas les données (numériques) disponibles, relève du domaine des spécialistes des RH, c’est-à-dire des humains.

Les outils technologiques peuvent gérer et classer les CV en fonction de connaissances évidentes telles que la formation, les compétences, l’expérience, etc. pour autant que le flux des données soit gérable et, surtout, correctement évalué. Même le meilleur candidat sur papier peut soudainement disparaître dans la foule en raison du grand nombre de critères mal interprétés ou mal compris. Et le CV n°1 n’appartient pas toujours au meilleur candidat, voire, à la meilleure candidate. De plus en plus d’entreprises technologiques et de start-ups tentent encore de numériser cette dimension et de la contrôler grâce à l’intelligence artificielle – dans la ferme conviction qu’ils vont finalement maîtriser ce dernier facteur humain qui subsiste dans les processus. Et ce, toujours avec des méthodes le plus souvent inadaptées et avant même que les données numériques existantes puissent être traitées, les données numériques existantes aient pu être correctement utilisées et évaluées. C’est un fait sur lequel les spécialistes et les principaux fournisseurs de technologies qui s’occupent de processus et de produits sérieux et fiables dans le domaine des ressources humaines numériques depuis plusieurs années, sont fondamentalement d’accord. Et pas seulement depuis que Google a également pénétré ce segment de marché. [5]

 

Big Data limite le développement des connaissances et des savoirs

Par conséquent, davantage de données ne signifie vraiment pas davantage de connaissances. Les connaissances doivent être structurées, stockées et validées. Et des experts humains doivent impérativement être impliqués. La prudence est donc de mise dans la lutte contre le flux de données, qui au final ne peuvent plus être structurées et engendrent des corrélations aléatoires. Alexander Wissner-Gross, scientifique à l’Université de Harvard et au Massachusetts Institute of Technology (MIT), l’a résumé de façon intéressante: «La nouvelle la plus importante de notre époque est peut-être que les ensembles de données – et non les algorithmes – pourraient être le facteur contraignant décisif pour le développement de l’intelligence artificielle au niveau humain.» [6]

C’est donc avant tout le contenu de la connaissance qui est prometteur, et non la quantité de données dont cette connaissance doit être extraite. Il est donc prometteur, voire rassurant, de constater que dans de nombreux domaines importants tels que la médecine ou la sélection du personnel, seuls des experts ou des outils basés sur une véritable expertise peuvent établir des jugements fiables et corrects. Tout cela rend le battage médiatique autour de Big Data et l’Intelligence artificielle dans les ressources humaines un peu mieux supportable. Et notre mission chez JANZZ.technology «We turn Big Data into Smart Data»  est plus que jamais d’actualité.

 

[1] Brücher, Cornel. 2013. Rethink Big Data. Frechen: MITP-Verlag.

[2] Straumann, Felix. «Vieles ist blankes Marketing». Big Data. In: Tagesanzeiger (2018), Nr. 168, P. 32.

[3] Spitzer, Julie. 2018. IBM’s Watson recommended “unsafe and incorrect” cancer treatments, STAT report finds. URL: https://www.beckershospitalreview.com/artificial-intelligence/ibm-s-watson-recommended-unsafe-and-incorrect-cancer-treatments-stat-report-finds.html [2018.08.01].

[4] De la vidéo: Google Cloud Platform. 2017. Google Cloud Jobs API: How to power your search for the best talent (Google Cloud Next ’17). URL: https://www.youtube.com/watch?v=Fr_8oNKtB98 [2018.08.03].

[5] Watson, Christine. 2018. RecTech is creating more – not less – need for the human touch. URL: http://www.daxtra.com/2018/08/03/rectech-creating-more-need-for-human-touch/?utm_content=75449136&utm_medium=social&utm_source=twitter [2018.08.09].

[6] Alexander Wissner-Gross. 2016. Datasets Over Algorithms. URL: https://www.edge.org/response-detail/26587 [2018.07.27].

Comment matcher l’humain + l’emploi pour la rencontre parfaite?

La mise en adéquation technologique d’une personne avec une autre personne dans le but que la rencontre se fasse réellement est une difficulté de taille. Car les attentes individuelles doivent être suffisamment prises en considération. Partagent-ils des intérêts similaires ?  Vivent-ils au même endroit ? Quels sont leurs objectifs communs ? Et puis il existe nombre d’attentes cachées, comme l’apparence, par exemple. Le matching est et reste un problème complexe. Et il en va de même lorsqu’il s’agit de réunir la bonne personne avec le bon emploi et vice versa. Même pour les spécialistes possédant des années d’expérience, l’adéquation entre les emplois et les compétences est un défi énorme. Qui et quoi vont bien ensemble ? Comment en définir les points communs, les affinités réciproques ?

Chaque jour, les réponses aux questions doivent être bien réfléchies pour qu’elles matchent entre elles avec succès. Tout ça exige les bons savoirs et les bonnes informations et, comme déjà mentionné, est déjà assez difficile si l’on veut que les personnes s’acquittent de ces tâches avec une qualité aussi haute que possible. Les attentes des employeurs et des employés potentiels sont élevées. Est-ce qu’une machine, un algorithme pourrait plus que satisfaire ces attentes ?

Comment faire matcher des données aussi complexes? Source: Getty Images.

 

Le bon matching est-il possible ?

Voyons d’abord si un bon matching est possible. L’adéquation, c’est l’attribution d’éléments adéquats issus de deux unités différentes. Dans notre cas, ces éléments sont le travail et l’humain. Mais dans notre secteur mis en lumière, leurs interprétations respectives peuvent fortement varier. Dans certains emplois, l’analyse de la concordance du demandeur d’emploi avec le poste à pourvoir signifie uniquement l’aptitude à travailler. Par exemple : une personne en bonne santé physique a de grande chance d’être apte à récolter des fraises. Cependant, bien d’autres emplois exigent une multitude de certificats, de spécialisations et d’expérience. Essayez-donc de faire matcher de suite un chirurgien en néonatalogie?

Les spécialistes du personnel connaissent les moindres détails qu’il faut impérativement prendre en considération, mais l’adéquation reste pour eux un problème extrêmement complexe. Parce que les conditions changent constamment. Les exigences qui étaient posées hier ne le sont plus aujourd’hui, de même que les exigences d’aujourd’hui ne le seront plus demain. L’emploi ne se résume pas à un emploi, pas plus que l’Homme à l’Homme ni le marché du travail au marché du travail.

Et aujourd’hui, la tâche ne cesse de gagner en complexité puisqu’elle est de plus en plus confiée à une machine. À présent, celle-ci doit être à même d’appliquer toutes les expériences et les savoirs du spécialiste et prendre en considération les moindres changements dans l’évolution du marché du travail pour y réagir en conséquence comme en temps réel. Les fournisseurs de ces machines se concentrent sur des données différentes afin de surmonter la complexité du problème, comme par exemple sur les anciens titres d’emploi des candidats ou leurs compétences professionnelles. À présent, un algorithme compare les demandes d’emploi avec les CV et la mise en adéquation est terminée. Avec succès?

 

Un maçon égal un maçon – un conseiller en vente égal un conseiller en vente ?

Certains d’entre eux, comme évoqué précédemment, correspondent à d’anciens titres de métier. Si le candidat avait un poste X dans l’entreprise A, il peut aussi occuper un poste X dans l’entreprise B, n’est-ce pas ? Peut-être qu’avant, oui. Autrefois, nous étions médecins de famille, secrétaires, avocats, maçons, etc. Aujourd’hui, nous sommes des conseillers de vente, des Ninjas des données, des gestionnaires de bâtiments, etc. Est-ce qu’un conseiller de vente est maintenant quelqu’un qui est dans un commerce de détail et conseille les clients? Ou quelqu’un qui élabore des offres de vente, prend les commandes et négocie des contrats avec les clients ? Ces questions, les spécialistes  se les posent déjà lorsqu’ils examinent les CV. Et maintenant, une machine devrait, elle, être en mesure de saisir et de comprendre toutes ces infimes différences inhérentes aux innombrables nouvelles professions qui s’ajoutent aux métiers « classiques ».

Les titres d’emploi sont donc trop souvent trop génériques. Ou alors, beaucoup trop spécifiques, si les termes internes à l’entreprise se transforment en titres de métier et correspondent plutôt à une fonction – après tout, tout le monde est aujourd’hui manager de quelque chose. Sans descriptions plus détaillée des emplois, nous serions souvent perdus et nous ne saurions pas si un candidat convient vraiment à un emploi. Ou si le poste convient au candidat.

 

Examinez plutôt les connaissances et les aptitudes

Par conséquent, aujourd’hui, un titre de métier ne suffit plus pour garantir une bonne adéquation. Ainsi, d’autres prestataires de matching des emplois résolvent le problème en utilisant d’autres paramètres – ils examinent les aptitudes et les compétences, puisqu’elles correspondent au contenu des descriptions des titres d’emplois qui eux, sont trop cryptiques. L’adéquation fondée sur les compétences est plus significative et prometteuse parce qu’elle tient compte non seulement d’un titre qu’une personne détenait autrefois, mais également de ses connaissances, de ses talents, de sa perspicacité et de son éducation, pourrait-on dire. Donc, on tient compte des compétences du candidat et des compétences requises pour un emploi, et on les met en adéquation.

À la base, ça paraît logique : je veux un manager ouvert d’esprit, communicatif, fort en leadership et apte à résoudre les problèmes. Je trouverai donc quelqu’un qui mentionne ces termes dans son CV et qui est en adéquation avec mes critères de sélection. Les compétences sont-elles donc à présent des points fiables pour qu’une machine sache que c’est la parfaite adéquation pour mon poste vacant ?

Posons un regard plus précis sur les compétences. Les compétences résultent de mes acquis. Pour Aristote, la vérité absolue réside dans les connaissances. La vérité absolue ne peut donc être atteinte que si on a vécu et mis à l’épreuve le savoir par soi-même.  Par conséquent, le savoir que j’ai acquis par des tiers via la communication et l’étude doit être vérifié et ne peut donc pas être la vérité absolue. Parce que si quelqu’un me parle de quelque chose de nouveau, comment puis-je être sûr que c’est une histoire vraie ?

Donc, tant que je ne l’ai pas expérimenté – et que je ne l’ai pas appliqué en fonction de la situation réelle – le savoir demeure incomplet. Une bonne éducation est certes une grande valeur, je ne veux pas le nier. Mais tant que je ne sais pas comment quelqu’un a utilisé ses savoirs acquis, rien ne me permet d’entrevoir la possibilité réelle d’en bénéficier.  il n’est pas prouvé et ne me donne pas la possibilité d’en bénéficier. Ce n’est donc que lorsque les savoirs ont été mis en pratique qu’ils me procureront un avantage, une certaine marge de manœuvre, une part de la puissance.

Pour revenir à mon manager qui est ouvert d’esprit, communicatif, fort en leadership et apte dans la résolution des problèmes. Serait-ce donc impensable que nos candidats potentiels soient des gestionnaires issus des secteurs de l’industrie de construction, de la finance ou du vêtement ? Sans leurs expériences, le poste vacant aurait probablement été apparié aux trois postes, bien que chaque poste exige une expérience spécifique propre à chaque branche. Un manque d’expériences pertinentes pour mettre les compétences dans une relation significative est constaté.

 

Le vrai savoir est indissociablement lié à l’expérience

Ceci a été reconnu par d’autres prestataires d’adéquation avec l’emplois à leur tour. Les compétences seules ne suffisent pas non plus. Si je veux faire correspondre un certain métier, je n’ai pas uniquement besoin des compétences – voire, mes connaissances selon le curriculum vitae et la lettre de motivation. J’ai tout autant besoin de l’expérience de ses composants. Ce n’est qu’avec de l’expérience que les relations et les branches se créent et se développent.

En outre, personne ne mentionne toutes les compétences et aptitudes dont il dispose – mais bien souvent d’autres informations pertinentes, susceptibles de favoriser la correspondance. Parce que si une offre d’emploi est rédigée pour un « Scientifique des données », l’employeur ne fera probablement pas mention des compétences « utilisation informatique » ou « informatique », car il suppose que le titre du poste à pourvoir est suffisamment évident. De même, qu’un scientifique des données indiquerait probablement dans son curriculum vitae des compétences plus précises que celles qui découlent des titres d’emploi précédents. Mais si une personne doit être appariée en fonction des compétences, alors l’information pour ce paramètre d’adéquation est un véritable facteur manquant.

Si nous basons la mise en adéquation uniquement sur les aptitudes, je suis convaincu que nous obtiendrons des résultats différents de ceux obtenus par la simple recherche par titres de professions et de métiers. Mais ce niveau n’est pas suffisant pour enfin amener les personnes à des emplois, les candidats à des postes de travail et les employés à des employeurs. Nous avons besoin de bien plus que ça.

Une bonne formation n’est pas synonyme de bonnes manières

Qui, aujourd’hui, n’est pas un joueur d’équipe ou qui déclare ouvertement dans son CV que la fiabilité n’est pas son dada ? Mais ce sont précisément ces compétences douces, la personnalité, qui sont d’une importance cruciale pour une bonne mise en adéquation. Un consultant doit se présenter à l’heure au rendez-vous avec le client, alors qu’un programmeur peut aussi embaucher à horaires variables. De même que le programmeur peut sembler un peu bizarre, le consultant qui n’est pas en mesure de communiquer ouvertement avec ses clients verra son entreprise rapidement fermer pour cause de manque de clients. Par conséquent, un match devient vraiment bon que si la personnalité est également incluse dans la mise en adéquation. Mon CV donne un bon aperçu de ce que j’ai fait. Mais la façon dont je l’ai fait doit impérativement y jouer un rôle.

 

L’Adéquation entre les objectifs individuels et entrepreneuriales

Et si un CV s’adapte trop parfaitement au poste vacant, il est loin de pouvoir être considéré comme parfait uniquement par son contexte. Car les compétences et la personnalité d’un nouvel employé complètent de facto un réseau de compétences et de personnalités des collègues de travail déjà constitué. Si je suis le seul ingénieur logiciel d’une entreprise, je dois être plutôt polyvalent et prendre l’initiative facilement. Si je suis embauché dans une équipe avec deux autres ingénieurs, l’un d’eux connaîtra mieux le champ X, l’autre sera meilleur dans le champ Y, les compétences se complètent et le travail d’équipe crée quelque chose de nouveau. Les pairs impliqués influencent également l’adéquation parfaite. Donc, si on vise des résultats sérieux et valides, l’adéquation des CV des employés devient indispensable.

Quiconque pense encore qu’on peut faire correspondre un seul paramètre (titre de l’emploi, compétences, expérience ou personnalité) peut se rendre compte que cela ne fonctionne vraiment bien qu’avec beaucoup de chance. Particulièrement quand un algorithme est supposé résoudre un problème aussi complexe, une bonne adéquation est du domaine de l’aiguille trouvée dans la botte de foin.

Donc, le bout du chemin est en vue ?

Pas encore. Confucius a dit : « L’expérience est comme une lanterne que l’on porte sur le dos ; elle n’éclaire toujours que le chemin que nous avons déjà parcouru. »

Nous avons testé nos connaissances, nous avons mis des atouts au profit de tiers et en avons tiré profit, nous sommes peut-être ponctuels et fiables. Nous assurons le suivi des compétences générales requises. Cela signifie que nous sommes certains d’assurer la continuité de nos activités. Tous les délais sont respectés, tous les clients sont bien traités et les employés sont toujours à l’heure. Tout devrait être réglé maintenant.

 

Qu’est-ce qui renforce vraiment le fonctionnement d’une entreprise ?

Mais si tous correspondent toujours à ce qui est requis, alors l’entreprise reste « uniquement » sécurisée. Nous n’avons rien créé de nouveau. Créer quelque chose de nouveau exige de bonnes connaissances et des savoirs et souvent beaucoup d’expérience. Mais surtout et avant tout, il faut de la créativité. Littéralement comme sémantiquement.

Le dictionnaire Cambridge décrit la créativité comme « la capacité de produire des idées originales et inhabituelles ou de créer quelque chose de nouveau ou d’imaginatif »¹ . Fondamentalement, elle nous permet de jeter un troisième regard sur quelque chose qui va au-delà de nos connaissances et de notre expérience, on pourrait même l’appeler « La pensée originale ». La créativité ne signifie pas l’approche artistique, mais la rupture des règles. La rébellion. Taper sur la table pour dissoudre les relations bloquées. Nouveau et différent, peut-être même un peu effrayant.

Albert Einstein a dit : « La créativité, c’est l’intelligence qui s’amuse »² La personne créative est celle qui aime analyser l’entreprise dans son ensemble comme dans les détails et non pas celle qui répond aux exigences du catalogue classique des exigences, elle porte un regard différent sur l’entreprise. La créativité est le bien le plus précieux à une époque où tant de choses sont bouleversés par les grands changements qui s’imposent. Après tout, les collaborateurs qui s’adaptent simplement à la numérisation ne feront aucun progrès, et avanceront encore moins. Nous en avons besoin de ces collaborateurs qui gardent un aperçu des choses. Nous avons besoin des employés pour assurer la sécurité de l’entreprise. Et nous avons aussi besoin des gens qui nous montrent de nouvelles choses, surtout en ces temps-ci. La créativité est probablement la compétence la plus importante aujourd’hui.

La créativité, l’intuition, les émotions et tous les contraires à la pensée logique, analytique, rationnelle (qui pourrait être considérée comme notre connaissance et notre expérience) sont souvent décrits être issus du côté droit du cerveau. Vous avez peut-être entendu parler de la théorie selon laquelle vous pouvez être un penseur de droite ou de gauche. Mais des chercheurs ont découvert que c’était un mythe. Bien que certaines fonctions se situent plutôt d’un côté du cerveau que de l’autre, les meilleurs résultats sont obtenus lorsque les deux côtés du cerveau travaillent ensemble, réseaux complexes.³

Lorsque je veux créer un nouveau produit, des processus de production et du matériel nécessaire m’y aide. Mon expérience dans la planification d’un nouveau produit m’aide aussi. Mon talent organisationnel soutient le processus. Mais l’idée de créer un nouveau produit vient de ma créativité. Si on est bon dans quelque chose, alors le meilleur résultat vient de toutes les parties impliquées : les savoirs, les connaissances, l’expérience, la personnalité et la créativité.

 

L’Adieu au match parfait

Ôsons dire les choses clairement : il ne peut y avoir d’adéquation fondée sur les compétences, les aptitudes, etc. La mise en adéquation est guidée par les attentes et les attentes sont en constante évolution.

 

Par conséquent, il n’y a tout simplement pas de correspondance parfaite, car il est impossible de dépasser les attentes. Quant aux attentes, elles ne peuvent jamais être satisfaites d’une façon identique pour tous, puisqu’elles sont très subjectives. Il ne reste donc que la possibilité d’inclure autant que possible toutes les dimensions afin de se rapprocher le plus possible de l’adéquation parfaite.

Les résultats de la culture actuelle de la mise en adéquation de fragments de données tels que quelques compétences ou titres d’emploi mystérieux continueront à détruire la qualité du moteur de recherche pour l’adéquation encore et encore. Le matching avec des fragments de données est un tâtonnement dans l’obscurité. Si vous pensez que vous pouvez faire correspondre des fragments de données avec des mots-clés arbitraires, aucun de ces fragments ne se rapprochera du « Perfect Match ».
Car, comme déjà exposé, d’autres paramètres significatifs pertinents qui permettraient une attribution de haute qualité manquent tout simplement.

Avec des algorithmes complexes, on ne peut créer la plus grande approximation possible qu’en se distançant des fragments de données et en essayant d’inclure toutes les dimensions, cerveaux compris, dans la création de quelque chose de nouveau : les compétences, l’expérience, la personnalité et, oui – avec prudence également d’anciens titres d’emploi. Le moteur d’adéquation intègre toutes les dimensions, les évalue individuellement et leur donne une pondération. Si ces dimensions sont représentées avec une pondération adéquate, un bon point de départ a déjà été atteint pour se faire rapprocher l’Humain et l’emploi sur le plan technologique, toutes les dimensions et donc les attentes sont ajustées et s’efforcent de parvenir à la meilleure approche possible pour une adéquation parfaite.

Même après des années de développement et d’évolution de JANZZ.technology et l’amélioration des processus d’adéquation, l’inclusion de toutes les dimensions dans une quantité adéquate reste difficile. Les attentes peuvent être exprimées en grandes parties, mais une partie reste toujours fermée. Par exemple, si les chômeurs doivent être placés, une grande partie de l’attente consistera en leur placement. Si les ingénieurs doivent être mis en adéquation, on s’attend à ce que la fourchette salariale corresponde aux emplois précédents. D’autres attentes peuvent être définies s’il est clair qu’elles existent. Par conséquent, nous ne pouvons nous rapprocher de la parfaite mise en adéquation que de la même manière. Mais un simple vacillement dans l’obscurité avec des fragments de données est exclus. En fin de compte, ce ne sera probablement pas le rendez-vous parfait. Mais peut-être une nouvelle invitation à un autre rendez-vous.

 

Sources:

¹ Cambridge Dictionary (2017). Créativity. Extrait de: http://dictionary.cambridge.org/dictionary/english/creativity [2017.11.02].

² Einstein, Albert (1930). Mein Weltbild. / Comment je vois le monde.

³ Nielsen JA, Zielinski BA, Ferguson MA, Lainhart JE, Anderson JS (2013). An Evaluation of the Left-Brain vs Right-Brain Hypothesis with Resting State Functional Connectivity Magnetic Resonance Imaging. PLoS ONE8 (8): e71275. https://doi.org/10.1371/journal.pone.0071275

Sahoo, Anadi (2017). Connaissances, expérience et créativité. Extrait de: https://www.linkedin.com/pulse/knowledge-experience-creativity-dr-anadi-sahoo/ [2017.11.03.].

ESCO : Nous nous attendions à une ontologie – nous avons obtenu une décevante collection de termes

Près de quatre ans ont passé. En attente depuis de temps, nous sommes impatients de découvrir ce que l’UE avait annoncé dans son intégralité. Impatients depuis , de savoir si, et de quelle manière, les problèmes bien connus des systèmes de classification ont été résolus.

La classification de l’Union européenne pour les données professionnelles se nomme « ESCO » (European Skills, Competences, Qualifications and Occupations). Jusqu’ à présent, tous les pays ont résolu seuls des classifications telles que ROME en France ou KLdB en Allemagne ou CP en Italie. La plupart d’entre elles sont fondées sur la mère de toutes les classifications, la Classification internationale type des professions (CITP) de l’Organisation internationale du Travail vers 1960, mais elles ne sont pas nécessairement comparables – des chiffres, des lettres et des niveaux de taxonomie différents peuvent différencier les classifications.

janzz_esco_unsatisfied

D’autres systèmes de classification ont d’abord et avant tout été élaborés pour des raisons de statistiques Il fut donc possible de regrouper les professions par des numéros d’identification par groupes et de recueillir ainsi des chiffres, mais ces systèmes n’avaient pas inclus la compréhension des professions individuelles. Les formations de groupes étaient souvent trop générales, trop génériques. Par exemple, tous les médecins spécialistes sont regroupés en un seul groupe, et ce groupe est décrit avec un seul ensemble de compétences pour tous les médecins spécialistes. Ce qui signifie qu’un oncologue y est décrit avec exactement les mêmes compétences qu’un gastro-entérologue, un gynécologue ou un pathologiste. Selon les taxonomies, ils ont donc exactement les mêmes connaissances, leurs spécialisations ne peuvent être reconnues que par leur titre. Avec de telles descriptions imprécises, l’incompréhension des titres d’emplois individuels est assurée.

L’UE ne voulait pas faire de l’ESCO un environnement supplémentaire beaucoup trop vague, mais visait plutôt à créer une compréhension commune des professions, des compétences, des connaissances et des qualifications en 26 langues afin que les employeurs, les salariés et les établissements d’enseignement comprennent mieux leurs besoins et leurs exigences mutuels. Grâce à la liberté de circulation les lacunes en matière de qualifications ainsi que le chômage dans divers États membres pourraient être comblés, affirme Juncker [1].

Aujourd’hui, près de quatre ans se sont écoulés depuis la version d’essai. Toutes les parties prenantes possibles devraient à présent être impliquées, telles que les agences pour l’emploi, les conseillers de carrière, les statisticiens, les scientifiques… pour créer cette classification en 26 langues. Pendant près de quatre ans, les systèmes ont été testés, prolongés, modifiés, révisés… Et maintenant, je me retrouve assis devant mon ordinateur, tape « Word » en tant que compétence requise – et…la base de données ne reconnaît pas le terme. L’unique suggestion alternative proposée : WordPress – une apparentée à chercher dans les méandres des terminologies. Nouvel essai en tapant « PowerPoint » avec comme unique résultat :  erreur, la base de données ne reconnaît pas le terme, il n’est pas stocké.

D’accord, essayons donc sur Indeed. Rien qu’en Allemagne, je trouve déjà plus de 13 000 offres d’emploi contenant le terme de recherche « PowerPoint », en France et au Royaume-Uni environ 8 000, mais PowerPoint n’est pas classé dans la catégorie des compétences en Europe. Et aucune place au sein des 13 485 compétences réunies dans l’ESCO. Ainsi, un employé devrait-il mieux comprendre un employeur potentiel dans la mesure où PowerPoint ne serait pas une connaissance importante pour l’emploi ?

Certes, la base de données reconnaît bien « Utiliser Microsoft Office » lorsque « Microsoft » est saisi, mais la compréhension sémantique de la base de données ne va pas plus loin. Après tout, « Utiliser des programmes de traitement de texte » est même stocké en tant que compétence autonome sans connexion avec Microsoft Office, aucune des deux compétences ne se propose comme synonyme.

L’ESCO affirme qu’elle reconnaît 2 942 professions. Il est intéressant de noter que le système reconnaît déjà un « coordinateur logistique pour le transport ferroviaire »[2] et propose également certaines orthographes alternatives, mais pas le prestataire logistique². On y découvre souvent ici et là des professions souffrant de maladies similaires. De plus, comme terme alternatif pour un/une « employé-e de parti », « l’employé-e RP » ² est également suggéré. Ceci, à titre d’exemple d’une alternative de titre d’emploi erronée.

L’ESCO fonctionne désormais en 26 langues. Et je découvre que oui et non. Oui, les titres des postes sont disponibles en 26 langues, oui, les connaissances le sont également. Cependant, l’explication d’un terme ne peut être trouvée qu’en anglais, ce qui signifie qu’un titre peut être traduit dans toutes les langues, mais pas la description du poste. Il reste toujours rédigé en anglais. On peut aujourd’hui se demander si un employeur français comprend mieux la profession de son candidat suédois sans la définir en français dans sa propre langue. Ou s’il comprend si la classification correspond vraiment à son poste vacant.

Et puis, je note le fait que les qualifications sont disponibles uniquement dans une seule langue : En grec. Les descriptions détaillées aussi ne sont disponibles que dans cette langue. En tout état de cause, un employeur d’un autre État membre ne comprend pas mieux son candidat, même s’il vient de Grèce. L’ESCO elle-même signale que les qualifications doivent être fournies par les États membres et qu’elles sont intégrées temporairement. On peut donc constater que 27 États membres se sont laissés beaucoup de temps.

En résumé, j’avoue que je suis plus que déçu. Voilà presque quatre ans que j’attends depuis que j’ai expliqué les multiples possibilités des ontologies aux autres participants au congrès de l’ESCO. Toutefois pas une seule trace de quelconque ontologie, mais uniquement une taxonomie ou un ensemble de termes. 2 942 professions,
13 485 compétences et 672 qualifications (grecques) ont été intégrées et classées dans l’ESCO. ESCO aura apparemment investi beaucoup de temps et très certainement beaucoup d’argent dans ce développement. Mais la question de savoir si ESCO est véritablement la percée vers l’objectif de Juncker reste fondamentalement discutable.

Et la question qui se pose aujourd’hui : Qu’est-ce qu’on fait maintenant ? Espérer et attendre quatre ans de plus avant que l’ESCO puisse répondre aux besoins des RH et des services publics de l’emploi ? Ou peut-être préférer chercher une alternative ? Que diriez-vous d’une alternative qui représente une véritable ontologie dotée d’une reconnaissance sémantique simultanée ? Elle reconnaît qu’un employé d’un parti ne fait pas la même chose qu’un employé des relations publiques. Elle sait que MS Word est la même compétence que Microsoft Word ou le traitement de texte. Et qui intègre de nombreuses langues dans leur intégralité. Qui sait, peut-être qu’une telle chose existe déjà. Peut-être qu’une recherche en ligne pourrait être couronnée de succès par la suite. Par exemple sur JANZZ.technology.

[1] ESCO (2015). ESCO strategic framework. Vision, mission, position, added value and guiding principles. Bruxelles.

[2] Seule la base de données en ligne de l’ESCO a été utilisée pour cette recherche.

 

Perdu dans Big Data?
L’idée erronée de contrôler l’univers des données.

lost_in_big_data

 …En cet empire, l’Art de la Cartographie fut poussé à une telle Perfection que la Carte d’une seule Province occupait toute une Ville et la Carte de l’Empire toute une Province. Avec le temps, ces Cartes Démesurées cessèrent de donner satisfaction et les Collèges de Cartographes levèrent une Carte de l’Empire, qui avait le Format de l’Empire et qui coïncidait avec lui, point par point. […]”

Extrait de l’œuvre de Jorge Luis Borges «Del rigor en la ciencia»
Traduction officielle «De la rigueur de la science»

L’histoire de Borges suit la vision d’un empire obsédé par l’idée de créer une image parfaite du monde. L’empire fictif est pleinement engagé dans la tâche de créer une carte cohérente avec le territoire de l’empire, point par point. Aujourd’hui, je ne peux m’empêcher de penser que nous sommes dans un environnement très similaire : Les données changent profondément le monde dans lequel nous vivons et la façon dont nous le percevons. Nous sommes au beau milieu d’une révolution des données si vaste, si globale et si nouvelle qu’il est presque impossible de la saisir dans son intégralité. L’impact des données se fait sentir sur une immense étendue ; nous aspirons à tirer parti de Big Data pour révolutionner des industries entières, du marketing et de la distribution aux prévisions météorologiques, des diagnostics médicaux aux emballages alimentaires, de la conservation des documents et de l’utilisation des logiciels jusqu’à la communication. En fait, à l’instar du royaume fictif de Borges, nous en sommes arrivés à la conclusion que plus nous recueillons et évaluons de données, plus nous acquérons de connaissances sur le monde et ses habitants. Que la phobie des données est donc devenue absurde.

Il est aujourd’hui largement considéré que Big Data est à même de fournir des informations pratiques sur presque tous les aspects de la vie. Philip Evans et Patrick Forth, eux, le contestent : « Les informations sont comprises et utilisées par des méthodes d’intelligence artificielle fondamentalement nouvelles qui visent à acquérir des connaissances via des algorithmes qui utilisent eux, des ensembles de données massifs et bruyants. Puisque des ensembles de données plus volumineux conduisent à une meilleure connaissance, Big Data est une bonne chose « (traduction selon leur article commun dans les perspectives bcg.). Conformément à ces lignes, notre besoin en données augmente et notre écosystème numérique alimente ce développement : capteurs, appareils connectés, médias sociaux et un nombre croissant de nuages produisent inlassablement de nouvelles données que nous pouvons collecter et analyser. Selon une étude de l’International Data Corporation (IDC), l’univers numérique doublera tous les deux ans. Entre 2005 et 2020, le volume des données a été multiplié par un facteur de 300 à 40 zettaoctets. Un zettabyte compte 21 zéros. Dans ce monde de croissance exponentielle des données, l’accumulation souhaitée de données se poursuit sans relâche. Comme dans le royaume fictif de Borges, la ligne limite d’échelle extérieure est d’un rapport de 1:1, voire,  une représentation numérique complète de notre monde.

Certaines entreprises comme IBM ou LinkedIn approchent déjà cette limite à pas de géants. IBM entraîne son système informatique cognitif nommé Watson pour répondre littéralement à toute question. Dans ce but, IBM Watson collecte des quantités innombrables de données pour créer un ensemble impressionnant de données. La société a récemment acquis Truven Health Analytic pour 2.6 milliards de dollars, ce qui lui permet d’étendre ses activités dans le secteur de la santé avec un important dépôt de données sur la santé provenant de milliers d’hôpitaux, d’employeurs et de gouvernements fédéraux aux États-Unis. Il s’agit là de la quatrième acquisition la plus importante d’une société de données sur la santé depuis le lancement d’IBM Watson il y a dix mois. Ce qui montre l’importance que tient la cartographie numérique des patients, des diagnostics, des traitements et des hôpitaux dans le système d’intelligence artificielle du géant informatique. La vision de LinkedIn est tout aussi ambitieuse : elle crée « Economic Graph », rien de moins qu’une cartographie numérique de l’économie mondiale. On dit que la carte contient un profil des 3 milliards de travailleurs consécutifs dans le monde entier. Toutes les entreprises, l’ensemble de leurs produits et services, les opportunités économiques offertes par les entreprises et les compétences requises pour réaliser ces opportunités doivent faire l’objet d’une cartographie numérique. En outre, l’intégration d’une présence numérique de tous les établissements d’enseignement supérieur au monde est prévue. Mais les efforts des deux entreprises ne sont que la pointe de l’iceberg. Leur intention de créer une représentation numérique complète des domaines respectifs symbolise l’aspiration plus générale à créer une société de l’information omniprésente.

Les visions d’entreprises telles qu’IBM Watson et LinkedIn insufflent donc déjà vie à un monde qui correspond aux visions de Borges. La puissance des Big Data transforme et recrée les objectifs cartographiques de l’histoire de l’empire de Borges. Le monde devient un point de référence pour lui-même. L’image numérique de notre monde prend rapidement de l’ampleur et, aux frontières extérieures, l’image et la réalité commencent déjà à se confondre. Le monde et l’image que nous en avons convergent. Tout à coup, nous nous retrouvons dans un monde qui ressemble étonnamment à l’empire de Borges.

Quelle folie – En suivant son cours, l’histoire de Borges  remet en question le sens d’une telle cartographie massive. Une carte à l’échelle 1:1, qu’elle soit cartographique ou numérique, n’est probablement pas aussi précieuse qu’initialement présumée et des entreprises comme IBM ou LinkedIn approchent déjà de cette limite à grands pas. Une carte à l’échelle 1:1, qu’elle soit cartographique ou numérique, n’est probablement pas aussi précieuse qu’initialement présumée.

« […] Moins passionnées pour l’Étude de la Cartographie, les Générations Suivantes réfléchirent que cette Carte Dilatée était inutile et, non sans impiété, elles l’abandonnèrent à l’Inclémence du Soleil et des Hivers. Dans les Déserts de l’Ouest, subsistent des Ruines très abîmées de la Carte. Des Animaux et des Mendiants les habitent. Dans tout le Pays, il n’y a plus d’autre trace des Disciplines Géographiques. »

Dans le monde fictif de Borges, les générations futures se sont débarrassées de la carte de leurs ancêtres parce qu’ils n’étaient pas pris par la même ambition que ne l’avaient été leurs ancêtres et qu’ils avaient réalisé qu’une carte 1:1 serait sans utilité aucune. Ils ont abandonné la carte à sa détérioration. La seule trace qui en faisait preuve était les « restes déchiquetés » de la carte de leurs ancêtres. Le constat qu’une carte à l’échelle 1 : 1 est pratiquement inutile reflète également notre expérience avec l’univers des données en expansion. Le professeur Patrick Wolfe, Directeur exécutif du Big Data Institute de l’University College of London, met en garde : « Le rythme auquel nous produisons des données dépasse rapidement notre capacité à les analyser. À l’heure actuelle, seul environ 0,5 % de toutes les données sont évaluées et Wolfe croit que ce pourcentage continuera de diminuer au fur et à mesure que d’autres données seront recueillies. Nous commençons donc à prendre conscience de la futilité des masses de données que nous gérons. Au lieu d’utiliser les données pour acquérir de façon exponentielle davantage de connaissances sur le monde, nous créons une entité qui menace d’être oubliée en raison de son volume brut.

Afin de préserver notre collection numérique en constante expansion du même sort que celui de la carte de Borges – qui se détériore au fil des générations pour n’être plus que des fragments déchiquetés -, il est d’une importance capitale de tirer des conclusions applicables de toutes ces informations. Par conséquent, la capacité de comprendre pleinement ces masses de données recueillies et d’en tirer des enseignements pertinents constituera l’avantage concurrentiel ultime aujourd’hui et surtout à l’avenir.

Bien que de nombreuses personnes se déclarent déjà favorables à la conversion de Big Data en Smart Data, voire, données intelligentes, aucune solution viable n’ a encore vu le jour pour effectivement concrétiser cette transformation. Les mathématiques appliquées, le traitement naturel du langage et l’apprentissage machine s’équilibrent mutuellement, évinçant tout autre outil qui pourrait être appliqué. L’idée est qu’avec une quantité suffisante de données, les chiffres parlent d’eux-mêmes. Ou, pour reprendre les termes d’Evans et Forth : « Les Big Data sont une bonne chose ». Cette idée modifie la culture de la Silicon Valley et de nombreuses autres entreprises à travers le monde.

D’autres méthodologies telles que les ontologies, les taxonomies et les sémantiques ne sont pas du tout prises en compte dans l’esprit actuel de la découverte. Les mathématiques appliquées, l’apprentissage machine et l’analyse prédictive sont synonymes de volume, alors que les ontologies, les taxonomies et la sémantique sont synonymes de signification et de compréhension. Et même si cette dernière catégorie peut sembler moins importante que les dimensions des catégories mentionnées ci-dessus, les sémantiques n’en sont pas moins importantes pour déterminer la compétitivité des entreprises. Au contraire. Suite à la croissance exponentielle de l’univers numérique au cours des dernières années, nous avons atteint un niveau de complexité qui impose l’impératif de l’introduction d’une compréhension profonde des données disponibles. C’est quelque chose qui ne peut pas être réalisé en recueillant davantage de données ou en implémentant un algorithme. Ironiquement, c’est donc un changement de cap qui s’éloigne de la devise « Les Big Data sont une bonne chose » pour mettre à profit tout le potentiel complet des Big Data.