
Mesdames, Messieurs, DRH ou RRH, s’il vous plaît, veillez à utiliser à bon escient et avec parcimonie les chiffres. Il est incontestable que les chiffres ont une utilité dans vos pratiques professionnelles, notamment dans une visée de contrôle de gestion sociale. Ils permettent une montée en généralité à même d’offrir une vue d’ensemble de certaines dimensions (effectif, nombre d’heures travaillées) ou de certaines dynamiques (absentéisme, effort de formation). Ils rendent également possible une mise en équivalence permettant de pouvoir se comparer à d’autres et d’être comparé en termes de performance sociale. Il n’en demeure pas moins que vous pouvez avoir tendance à les fétichiser, à les sacraliser. Si ce n’est pas quantifié, compté, cela aurait alors moins de valeur.


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 ?




