BID DATA - ARME DE SELECTION MASSIVE DES DRH

Offert par MARIE51


Trop de CV, des outils inefficaces pour trier l'information.

Les DRH sont noyées sous des masses de données dont elles ne parviennent plus à extraire l'information pertinente.

Le passage à des technologies sémantiques capables d'analyser le sens des informations que renferment les CV s'avère indispensable.

Ces dernières années, les RH ont connu plusieurs révolutions.

Révolution de l'Internet tout d'abord, qui a largement bouleversé le comportement des directions des ressources humaines (DRH) dans leurs recrutements. Révolution du 2.0 et des réseaux sociaux ensuite, qui a permis de développer l'interactivité avec les candidats et a abouti à une diversification des canaux de recrutement.

Tous ces bouleversements ont donné naissance à une situation devenue rapidement ingérable pour les DRH. Pour chaque offre d'emploi, elles reçoivent désormais 100, 200 voire 300 réponses. Aujourd'hui, 9 directeurs des RH sur 10 affirment être affectés par ce déluge de données et estiment ne pas disposer des outils nécessaires pour sélectionner les bons candidats parmi l'ensemble des profils qui leur parviennent. De facto, les outils de gestion de candidatures ne sont pas assez puissants pour opérer un tri pertinent parmi autant de CV.

De toute façon, même assisté de ces outils, le processus de recrutement reste très mécanique. Même si des formes d'automatisation existent, le temps des salariés de la DRH est passé essentiellement en tâches administratives. On estime que l'analyse d'un CV demande entre 1 minute 30 et 2 minutes pour un chargé de recrutement expérimenté, afin d'opérer un premier tri. Ce qui signifie qu'une campagne de recrutement de quelques centaines de collaborateurs, aboutissant à la collecte de 100 000 CV, demanderait 2 ans de la vie de son responsable rien que pour sélectionner les candidats à rencontrer ! Cet exemple permet de mieux mesurer l'impasse dans laquelle sont arrivées les DRH.

Classer les CV par ordre de pertinence

Et encore, cette seule considération occulte la complexité amenée par les réseaux sociaux. Si ces derniers portent la promesse d'une plus grande proximité avec les candidats et renferment des viviers de compétences supplémentaires pour les entreprises, ils sont en majorité constitués de personnes que ne sont pas en recherche active d'emploi. On estime ainsi que 2 abonnés sur 3 aux réseaux sociaux professionnels s'y trouvent avant tout pour développer leur réseau et non pour y trouver un nouvel emploi. Pour une DRH, les taux de conversion lors d'une campagne de recrutement sur les réseaux sociaux sont donc très bas.

Gérer toutes ces informations est devenu un fardeau bien trop lourd pour les DRH. Mais elles ne doivent pas perdre de vue que c'est aussi une formidable opportunité, à condition de transformer cette masse de données en outil compétitif pour prendre des décisions. Pour ce faire, les DRH doivent se poser la question des technologies sémantiques nécessaires pour extraire des informations pertinentes de bases de données souvent décentralisées, car disséminées entre services et filiales ou sur le Web.

Clairement, les DRH ont aujourd'hui besoin d'une interface unifiée leur permettant, via des requêtes sémantiques, intuitives - et non des requêtes booléennes ! -, de trier et classer automatiquement les CV par ordre de pertinence. Pourquoi des requêtes en langage naturel ? Tout simplement parce que sans une compréhension des subtilités de chaque spécialisation, les résultats sont souvent très décevants. La recherche d'un ingénieur .Net aboutit ainsi à sélectionner des profils d'ingénieurs ayant une adresse e-mail sur laposte.net par exemple. Cette plateforme d'analyse sémantique, qui nécessite des investissements lourds (chez Monster, créer la première version de la base de connaissances en français permettant d'arriver à ce résultat a ainsi demandé 18 mois de travail), peut être couplée à des outils de Business Intelligence. Par exemple, afin de rapprocher le processus de recrutement de la gestion des talents en interne, voire de planifier les implantations de sites de production, en rapprochant les profils requis des compétences disponibles sur tel ou tel bassin d'emploi.

Rapprocher l'offre et la demande à l'échelle d'un pays:

Aux Etats-Unis, le passage à l'analyse sémantique a déjà fait ses preuves, aboutissant à des gains de productivité de l'ordre de 70% sur la première analyse des CV. La technologie permet d'une part d'identifier 15 à 20 % de CV qui échappaient aux recherches classiques, booléennes. Elle redonne surtout au recruteur du temps pour passer à une analyse approfondie des CV, du temps pour aider l'entreprise à identifier les profils qui feront réellement la différence. Rappelons que 80 % des dirigeants de grandes entreprises estiment qu'il s'agit là d'un facteur clef de compétitivité pour leur organisation.

On peut également imaginer l'emploi de cette technologie sur des échelles beaucoup plus larges. Par exemple, pour étudier l'inadéquation entre l'offre et la demande à l'échelle d'un pays entier. Pourquoi pas demain se servir de l'analyse sémantique pour identifier les correspondances entre des gisements de compétences dans un bassin d'emplois donné et les pénuries dans d'autres ? On peut aussi imaginer centraliser les CV de Pôle Emploi et réaliser des correspondances automatiques avec les offres postées sur les sites d'emploi. Et même envoyer automatiquement les fiches de postes ainsi isolées sur les e-mail des candidats. Le tout sans qu'il soit nécessaire de retravailler les données des différentes bases ainsi agrégées ; l'analyse sémantique se passant totalement de toute forme de nomenclature.

http://technologies.lesechos.fr

Le 10 décembre 2012



RETOUR


http://www.erotica51.com © 14.03.2003 - 13.03.2019 - Tous Droits Réservés