• Tipeee

D'autres articles sur le thème des technologies et de la transformation

Ce qui ne se mesure pas, ne s ’améliore pas : piloter son dashboard recrutement

Ce qui ne se mesure pas, ne s ’améliore pas : piloter son dashboard recrutement

Aujourd’hui le métier de recruteur est un métier qui englobe une palette très large et variée de missions. Un recruteur doit savoir entre autre :

  • Centraliser et rédiger les besoins en recrutement de manière attractive
  • Créer, gérer et mesurer le plan stratégique de communication de diffusion des annonces,
  • “Être ambassadeur de son entreprise”, être capable de retranscrire les valeurs et les attentes de l’entreprise et s’assurer qu’elles soient en accord avec celles du candidat.
  • Impliquer efficacement les managers.
  • Et pleins d’autres actions autour du recrutement...

Lire la suite

HR Analytics, le levier ultime du RH augmenté

HR Analytics, le levier ultime du RH augmenté

Le paysage des RH est aujourd’hui particulièrement contrasté en terme d’équipement en solutions RH. Un décalage subsiste entre une proportion encore importante de sociétés fonctionnant avec des tableaux Excel et d’autres ayant implémenté les atouts de l’intelligence artificielle, de la blockchain et encore d’autres technologies désormais associées aux RH.

Lire la suite

QUAND LA DRH S’EVEILLERA ...

QUAND LA DRH S’EVEILLERA ...

...à la data, le CODIR tremblera.

DAF et DRH deux cultures, mais un seul objectif : “la performance durable et responsable”

A l’heure où certains gourous appellent de leurs vœux à la disparition du DRH et du management pour libérer l’entreprise de ces 2 tares organisationnelles, les détenteurs de l’immunité à la pathologie sociale du désengagement sont clairement les DRH et leur trésor de “datas sociales”.

Lire la suite

Le machine learning est-il équitable ?

Le machine learning est-il équitable ?

Le « Machine Learning » est entré dans l’entreprise. On en voit certes les opportunités, mais en mesure-t-on bien les enjeux sociétaux ? Peut-être est-il utile d’interroger les usages de cette nouvelle génération d’algorithmes d’apprentissage utilisant des bases géantes de données empiriques ? Existe-t-il un risque épistémologique à reproduire les biais et stéréotypes humains ? A titre d’exemple, nous interrogerons le tri de CV par le « machine Learning ». Ne véhicule-t-il pas des schémas sexistes existants ? Dit autrement, est-il équitable ?

Lire la suite

Transformation numérique, technologies, intelligence artificielle ...