Machine Learning et Ressources Humaines

Un peu d’histoire...

L’américain Arthur Samuel, pionnier dans le secteur de l'intelligence artificielle (IA), est le premier à utiliser la notion de «Machine Learning» ( ML) en 1959 à la suite de la création de son programme ( création d’un programme de jeu de dames s’améliorant en jouant) pour IBM en 1952.

Il s’en suivra plusieurs années d’avancée et de création d’applications sur le Machine Learning dont la plus médiatique LipNet (un système d'intelligence artificielle à base d'apprentissage automatique qui parvient à lire sur les lèvres) fut créée en 2016.

Arthur Samuel, définissait en 1959 le ML comme étant la discipline donnant aux ordinateurs la capacité d’apprendre sans qu’ils soient explicitement programmés. Plus généralement, le ML est la science (et l’art) de programmer les ordinateurs de sorte qu’ils puissent apprendre à partir de données, de capteurs ou du web.

Les approches de Machine Learning

Le ML est basé sur l’utilisation d’algorithmes :

• Les algorithmes d’apprentissage supervisé : ici, un ensemble d'algorithmes permettent à l'ordinateur d'apprendre à prédire un résultat à partir d'un ensemble de prédicteurs. Avec ce modèle, un data scientist sert de guide et apprend à l’algorithme les conclusions qu’il doit tirer.
• Les algorithmes d’apprentissage non supervisé : contrairement au précédent, celui-ci n’est pas entraîné par un data scientist. Il utilise une approche dans laquelle un ordinateur apprend à identifier des processus et des schémas complexes sans un quelconque guidage humain constant et rigoureux.

L’Intelligence Artificielle, machine learning, deep learning : quelles différences ?

Si l’IA vise à simuler un ou des comportements humains, le ML n’est qu’une méthode pour atteindre la création d’une IA. Le principe est donc qu’une machine apprenne de manière automatique et regroupe en son sein plusieurs concepts, dont le deep learning qui lui est un type de ML utilisant des algorithmes conçus pour fonctionner de façon similaire au cerveau humain.

Le Machine Learning en entreprise, et au sein de la DRH

Depuis quelques années, les entreprises ont intégré le ML dans leurs fonctionnements et l’ont adapté à leurs activités. Ainsi le ML est utilisé au sein des entreprises pour augmenter leur productivité ou leur efficacité.

En 2018, 47% des décideurs IT interrogés en Europe pour l’entreprise Cloudera déclarent investir dans le ML et 40% prévoient de le faire.

Le ML peut aujourd’hui être adapté à différents domaines, telles que les différentes fonctions/activités au sein des ressources humaines (fonctions RH). Les solutions proposées par, ou grâce, au ML permettent aux fonctions RH de :

• Gagner du temps et de réduire les coûts
• Réduire les délais dans les tâches quotidiennes et répétitives : rendre ces processus RH plus pertinents, contribue à créer de meilleures expériences de travail pour les gestionnaires RH.

Par exemple, certains outils permettent de restituer une note de frais complète en photographiant le ticket de caisse.

• Automatiser les processus de formation : lorsque les outils de ML sont associés à l’IA, l’ensemble des besoins (planification, évaluation…) de formation des salariés peut être automatisé.

Par exemple, ces outils en ligne alimentés par l’IA peuvent pallier les limites géographiques et les décalages horaires, en réduisant au minimum les besoins de déplacement des candidats et des formateurs.

• Evaluer les performances des salariés : Les solutions d’analyse des performances basées sur le ML (et en lien avec l’IA) permettent aux fonctions RH de prendre des décisions basées sur des données afin que les indicateurs clés de performance des salariés soient mis en évidence au niveau individuel et collectif.
• Utiliser les données RH : lorsqu’on classifie les données RH en fonction d’un résultat tel que « démission en 2022 », la notion de prédiction est prise en compte. Ce qui permettrait par exemple aux Ressources Humaines de comprendre non seulement les raisons du turnover parmi les employés, mais aussi de prévoir et anticiper ce qui pourrait se passer.

Selon le rapport d'IBM « The Business Case for AI in HR », les fonctions RH adoptent l'IA et principalement les outils issus du ML pour 5 principales raisons :

• Résoudre des problématiques métiers urgentes
• Attirer et développer de nouveaux talents
• Améliorer l'expérience collaborateur
• Fournir un soutien important à la prise de décision
• Utiliser les budgets RH aussi efficacement que possible

Le Machine Learning, la nouvelle norme au sein des Ressources Humaines ?

L’utilisation des outils ML permettent de développer et proposer des approches plus personnalisées à un plus grand nombre d’employés, au bénéfice de chacun. Grâce à l’analyse et à l’utilisation des données et des algorithmes, il est possible d’établir des tendances actuelles ou futures au sein des fonctions RH.

Les outils ML donnent aux fonctions RH, les moyens de travailler et agir en leur fournissant des analyses de données prédictives en temps réels pour améliorer leur vie quotidienne mais également améliorer la prise de décision.

Cependant, le ML a des limites. En effet les modèles ML ont besoin d’énormément de données. Certaines données ne peuvent pas être parfaitement analysées. Il est également nécessaire d‘analyser régulièrement les indicateurs de performance. Ceci pour éviter par exemple les erreurs d’interprétations de résultats et de choix d’algorithme.

Aussi automatiques et intéressants qu’ils soient, les outils issus du ML dépendent de leur créateur. Il est également important de garder à l’esprit que toutes les activités ne peuvent être confiées à une machine… Les deux acteurs (homme et machines) devront néanmoins cohabiter dans les années à venir.