Depuis de nombreuses années, la fonction DRH s’est dotée d’informations chiffrées pour mieux connaitre sa situation, pour s’assurer de la bonne exécution d’une politique, pour mesurer les risques à considérer.
Elle s’est progressivement professionnalisée en se dotant d’objectifs chiffrés, de moyens que sont les tableaux de bord permettant de décrire au travers d’indicateurs les aspects saillants de son activité.
En revanche, comment ces chiffres sont utilisés et compris pour définir son action, évaluer son efficacité ou analyser les risques dans cette fonction ou au service de l’activité business de l’entreprise ? De plus la manière d’aborder ces éléments peut se lire de différentes manières :
- comme simple information (ex : effectif, turn-over),
- comme une connaissance d’un aspect de cette fonction (ex : la proportion de femme dans une campagne d’augmentation d Au travers d’objectifs chiffrés. e salaire)
- voire vers une évolution plus mature, une meilleure compréhension d’une politique RH (ex : mesurer l’évolution d’un indicateur et l’efficience des actions menées vers l’objectif fixé).
La donnée RH : la “Data”
Le DRH définit sa politique selon les besoins de l’entreprise et met en œuvre les différents services au sein de sa fonction : recrutement, formation, développement des carrières, communication interne, change management, rémunération, paie, système d’information RH. Et avec le support du reporting/contrôle de gestion sociale, il mesure sa performance au travers d’indicateurs objectifs.
Ces indicateurs renseignent et contribuent à comprendre en objectivant une ambition et de son atteinte : exemple, favoriser l’embauche de salariés handicapés pour atteindre un ratio de X % de l’effectif, former 10% de l’effectif ou baisser le turnover de 5%.
Dans cette approche, l’indicateur est considéré comme un objectif à atteindre ; une information de mesure de l’objectif à attendre. Il est à noter qu’il ne mesure pas qui à contribuer à sa réalisation. Mais nous y reviendrons.*
Cela permet de donner une indication ; elle permet aussi de faire des comparaisons. Chaque entreprise peut s’en inspirer, la reproduire. Pour autant, cela reste une donnée brute. Comment une entreprise de même secteur, de taille similaire, pourrait se servir de cette information comme référence ? Exemple : pendant la période d’augmentation de salaire, les entreprises de même secteur, comparent les budgets utilisés au travers des enquêtes flash.
L’exercice de production de l’information de même nature est reproductible pour autant son interprétation est très différente.
L’objectif sera par la suite de mener la politique nécessaire pour infléchir ou confirmer tout en suivant les “KPI” Key performance indicators.
Un autre aspect nécessiterait un débat plus approfondi : comment les données sont exprimées. En nombre, en ratio, en pourcentage, en progression, M versus M-1, par tranche ou palier
Son expression est tout aussi essentielle que son contenu, et c’est le début d’une autre étape, celle de l’étape “froide” et dépassionnée à celle de son interprétation. Attention à la manipulation !
HR analytics, la connaissance apportée par l’analyse des données.
Une approche plus approfondie des données RH consisterait en l’analyse des indicateurs, ce qui permet de vérifier une situation, un fait en combinant plusieurs indicateurs.
Comment expliquer l’échec d’une politique de formation ? Comment expliquer que les augmentations de salaire ne soient pas équitables vis-à-vis d’une population ?
C’est l’analyse des chiffres et indicateurs pour mieux comprendre la situation.
L’étape plus élaborée sera l’analyse prédictive : comment anticiper et prédire l’évolution de l’indicateur suivi et proposition des actions de correction si nécessaire. Avec la nécessité de bâtir un modèle de fonctionnement. Ce sont les pistes explorées par les grandes sociétés de l’information, appelés aussi l’intelligence artificielle.
Pour autant si l’on en croit, d’éminant praticien comme Luc Julia (ancien Directeur Apple co-créateur de Siri ou actuel CTO Samsung), elle n’existerait pas vraiment ou plutôt, la majeure partie de ce que l’on appelle IA, ne serait que la reproduction de modèle passé. Nous avons tous encore en mémoire l’algorithme de recrutement testé par Amazon qui proposait des profils plus masculins pour reproduire des patterns antérieurs.
Finalement, dans les campagnes d’augmentation de salaire, n’utilise t’on pas les “rating”, la “people review” de l’année passée ou le benchmark de salaire N-1 pour déterminer du salaire qui sera appliqué pour l’année à venir ; est elle si prédictive puisque l’on prédit le futur en utilisant les données du passé ?
L’expérimentation de ces connaissances : sa compréhension.
Cela pourrait être une autre approche qui consisterait à modéliser les politiques ressources humaines au travers des différents indicateurs. En intégrant les éléments contextuels et les indicateurs opérationnels business, on pourrait jusqu’à élaborer ces modèles pour mieux les expérimenter. Et ainsi de valoriser au travers d’indicateurs extra-capitaux/financiers de la valorisation d’une entreprise.
*La politique menée peut être mesurée mais la contribution des acteurs à sa réalisation est souvent opérée au travers de la mesure d’objectifs fixés ; en d’autres termes, être à l’origine de la mesure des indicateurs n’implique pas pour autant que la mesure de son efficience soit effectuée au sein du service de contrôle de gestion sociale, exemple, un rapport de situation comparée (RSC) doit être commenté et expliqué par le responsable de la politique emploi en lien avec les RH de proximité mais pas auprès du contrôleur de gestion sociale.
