ATS, outils de feedback, intelligence artificielle : quand la tech RH nous éloigne du terrain.

[00:00:00] Voix off: Bienvenue dans Salon RH Toolkit, le podcast officiel du salon RH. Le rendez vous incontournable des professionnels des ressources humaines en Suisse romande. Pendant le salon, nous avons donné la parole à celles et ceux qui font évoluer le monde du travail experts, responsables RH, dirigeants et acteurs de l'innovation. Des regards croisés, des expériences concrètes et des idées inspirantes pour mieux comprendre les enjeux d'aujourd'hui et imaginer les RH de demain. Installez vous confortablement et plongez au cœur des conversations du salon RH. Bonne écoute!

[00:00:36] Cléa Favre: Bienvenue à toutes et à tous. Vous qui nous écoutez en direct du Salon RH de Beaulieu et vous qui nous entendrez plus tard via le podcast. C'est la promesse de la digitalisation et plus encore de l'intelligence artificielle. Nous allons toutes et tous être libérés des tâches administratives à la fois chronophages et ingrates. Un rêve se dessine celui de gagner du temps pour le consacrer enfin à l'humain. Mais est ce que ça se passe vraiment comme ça dans les ressources humaines? Beaucoup passent en tout cas leurs journées à paramétrer des logiciels et à analyser des reporting. Comment faire le tri entre les gadgets technologiques et les outils qui servent réellement la relation humaine? C'est ce que l'on va voir avec vous. Anne Donou Bonjour, bonjour! Vous êtes directrice de Alixio pour la Suisse romande, un groupe de conseil stratégique et de service opérationnel spécialisé notamment dans le domaine RH. Rémy Bloch Bonjour, bonjour, responsable produits de SAI, entreprise qui propose des solutions d'automatisation et Yann-Eric Dizerens, bonjour, bonjour. Vous êtes directeur des Ressources, des relations Humaines des Services Industriels de Genève. Bienvenue à vous également. On va commencer par faire un état des lieux. Quels sont aujourd'hui les usages qui sont fait de ces techs RH et on va peut être commencer avec vous. Yann-Éric Dizerens, à quoi ressemble votre côté high tech?

[00:02:08] Yann-Eric Dizerens: Alors le quotidien en fait, il s'est transformé, il y a en tout cas une quinzaine d'années, avec une digitalisation tout à fait massive des outils informatiques. Et puis depuis trois ans, l'arrivée de l'IA. Je dirais que la promesse de la digitalisation telle qu'on a pu la trouver à ses débuts, et on le voit encore en parcourant les allées du salon RH aujourd'hui, c'est des outils en fait qui promettaient trois choses tout d'abord, une fiabilisation et une amélioration de la qualité des données et des processus qu'on était en train de manipuler. Dans un deuxième temps, une promesse d'automatisation et de simplification de toutes nos tâches administratives. Et puis, dans un troisième et dernier temps, des outils qui nous promettaient de libérer massivement du temps de travail. Et en fait, il y a un paradoxe à ce sujet, c'est qu'on n'a jamais eu autant d'outils, pour ainsi dire, le marché est très mature. Donc un employeur qui veut digitaliser un processus, il peut le faire. Il a. Il a sur le marché tous les outils à disposition pour ce faire. Mais paradoxalement, je ne vois que des collègues RH qui sont toujours en train de courir après le temps. Donc, entre la promesse initiale et la pratique réelle, j'observe qu'il y a manifestement un décalage. Parce qu'en fait, ce temps gagné qui est par ailleurs, il a été remplacé par autre chose. Alors il a d'abord été remplacé par plus de tâches et plus de travail. Il ne faut pas se le cacher. Je connais très peu de collègues qui sont passés d'un 100 % à 80 % depuis qu'ils ont digitalisé, en se disant je vais passer plus de temps en famille avec des collègues, plus de temps pour moi pour faire du sport. Et en fait, on a plutôt eu tendance à rajouter du temps de travail. Et puis ensuite est venu l'IA avec un gain net qui est encore à démontrer, avec parfois du temps gagné certes, mais aussi beaucoup plus du temps de contrôle, plus de temps d'apprentissage pour manipuler correctement ces outils et enfin des simplifications préalables au déploiement de l'IA pour ne pas en fait digitaliser des processus qui sont un peu bancals.

[00:04:06] Cléa Favre: Alors justement, dans votre quotidien, très concrètement, comment? Quels sont les outils que vous avez à disposition?

[00:04:15] Yann-Eric Dizerens: Alors, dans le quotidien des services industriels de Genève, on va avoir deux piliers massifs. On va avoir SAP avec sa suite Success Factors qui va pouvoir, en tant que suite RH, couvrir quasiment tous les processus RH fondamentaux. Et puis on va avoir Copilot qui est intégré à Microsoft pour la partie bureautique. Donc ça c'est les deux piliers sur lesquels on s'appuie. Et puis ce que je peux observer chez les collègues RH, d'autres employeurs, d'autres institutions, d'autres organisations, c'est qu'il y a parfois une logique d'avoir une suite qui fait un petit peu de tout. Et puis parfois une logique plutôt de cumul de différents petits outils dans une logique de best of breed, de logiciels experts, avec là l'énorme enjeu de l'interface des données qui parfois nous fait perdre plus de temps que c'était censé nous en faire gagner.

[00:05:07] Cléa Favre: Anne Donou, vous, quels sont les outils que vous avez adoptés?

[00:05:12] Anne Donou: Alors pour l'instant, ce que je constate alors, que ce soit chez nous ou dans beaucoup d'entreprises, qui a pour l'instant une utilisation qui est très individualisée, chacun utilise un peu ces outils dans son coin, ça peut être Copilot. Alors après ça peut être sur toute la toute la suite d'outils SIRH, mais on voit, y compris chez nous, que pour l'instant chacun fait un gain de temps, une économie personnelle, mais que pour l'instant il n'y a pas encore de réflexion à une échelle très collective pour l'entreprise. Et on voit la difficulté actuellement, et c'est toutes les discussions que les entreprises ont avec les cabinets de conseil qui est de dire finalement qu'est ce qu'on va donner à l'IA, qu'est ce qu'on va garder dans les mains de l'humain? Et on est juste au tout début de ce travail là. Donc ce qu'on observe aujourd'hui dans les entreprises. et moi j'ai interrogé deux très grandes entreprises qui font, par exemple, beaucoup de recrutement et qui me disent ben oui, on utilise des ATS Applicant Tracking System pour effectivement sourcer les profils et sélectionner des CV et qui nous disent bon bah finalement, c'est tellement compliqué à paramétrer qu'on prend les 50 premières candidatures et ce sont deux très grandes entreprises, donc on voit bien qu'il y a des outils. Comme vous disiez, il y a beaucoup de choses qui sont mises en place et que finalement, le vrai gain, on ne l'a pas encore identifié, on ne l'a pas marqué.

[00:06:32] Cléa Favre: Rémy Bloch vous, vous vendez ces solutions d'automatisation. Quelle est la promesse de départ? On le voit avec l'exemple que donnait Anne Donou entre la promesse et le résultat, il y a parfois un gap.

[00:06:48] Rémi Bloch: C'est clair qu'aujourd'hui les gens viennent nous voir en disant on veut automatiser, on veut simplifier les processus. Et la promesse de base, c'est que bien sûr, ces outils vont vous permettre de faire de l'automatisation un peu magique. On parlait juste avant du recrutement de dire OK, est-ce que je peux savoir qui je dois recruter? Est ce que. Et en fait, on se rend compte que on fait face aujourd'hui à deux problématiques, c'est que un les gens ne savent pas forcément ce qu'ils veulent, quand ils veulent des outils, ils veulent juste que ce soit magique. Et deux, les outils, en fait, ont un problème technique de fond qui est que la réponse donnée par ces outils, même avec les nouveaux modes d'agents et de choses comme ça, reste en fait un système probabilistique. Et donc ça veut dire que quand on va nous demander quelque chose, le système va pouvoir répondre de manière probabilistique. Donc de dire il y a un pour centage de chance que voilà la bonne réponse. Et donc la promesse finale de magie d'automatisation devient du coup extrêmement complexe. Parce que dans la réalité, est ce que les gens peuvent se satisfaire d'avoir une réponse, la plupart du temps correcte? Évidemment non.

[00:08:00] Cléa Favre: Vous diriez qu'on a trop d'attentes vis à vis des outils, et notamment de l'intelligence artificielle qui a beaucoup de fantasmes aussi là, autour.

[00:08:08] Rémi Bloch Complètement. En fait, ce qui se passe, c'est qu'avant les gens venaient voir de l'information, voulaient de l'informatique pour améliorer leur feuille Excel. Aujourd'hui, l'idée c'est que les gens, on voit une augmentation drastique des attentes, en fait, les demandes des gens sont devenues de plus en plus complexes, de plus en plus évoluées, et donc ça rajoute une dose de complexité monstrueuse qui aujourd'hui, à mon sens, l'IA ne permet pas de manière fiable forcément, de toujours répondre quoi.

[00:08:36] Cléa Favre: Yann-Eric Dizerens Si vous vous aviez une demande ultime pour vous simplifier la vie par rapport à la technologie, ce serait quoi?

[00:08:47] Yann-Eric Dizerens: De mon point de vue, en fait, les outils, ils permettent de répondre à nos besoins et à nos attentes. Encore faut il bien les définir. Et surtout, encore faut il demander à des outils de digitaliser des processus qui sont fiables, qui sont propres, qui sont corrects, avec des vraies questions de sens. A t-on les bonnes personnes en signature? A-t-on les bonnes étapes dans nos processus? Parce qu'en fait, quand on digitalise un processus, si le processus était bancal à la base, on va dire que j'ai pas les outils. Ce qui me semble important, c'est que les agents aujourd'hui à notre disposition, ils vont augmenter considérablement notre capacité à produire des données. Ça, c'est clair, c'est indéniable. On le vit tous. Ils nous fournissent un accès à l'information qui est spectaculaire dans l'immédiateté. Ce qu'on faisait pendant des heures, on peut le faire en quelques secondes maintenant, mais en fait, à chaque fois, je me pose la question et j'interroge mes équipes quand elles me demandent des outils supplémentaires. C'est en fait qu'est ce que nous allons offrir comme valeur supplémentaire avec ceci? Et en fait, ce temps gagné, cette qualité améliorée est ce qu'elle nous permet d'avoir un meilleur jugement. Est ce qu'elle nous permet de passer plus de temps avec nos équipes? D'avoir une plus grande attention pendant les séances à ce qu'est en train de se dire et de se jouer? Est ce qu'on va passer plus de temps à interroger le sens, à l'expliquer, à le clarifier? Et en fait, ces outils, s'ils nous font pas gagner du temps pour ça, pour ces éléments de valeur humaine, je pense qu'on passe complètement à côté du sujet.

[00:10:17] Cléa Favre: Anne Donou, on l'entend, on a l'impression que les entreprises veulent absolument monter dans le train de l'intelligence artificielle pour être dans le train, sans forcément avoir réfléchi et avoir défini des objectifs.

[00:10:32] Anne Donou: On voit bien que tout ce qui se joue, c'est la question de la compétitivité des entreprises et que, effectivement, si certaines commencent à faire des gains de productivité, il faut pouvoir suivre le train. La grande difficulté, c'est de savoir à quel endroit on veut mettre de l'IA. Qu'est ce qu'on va laisser à la place de l'humain et qu'est ce qu'on attend que l'humain continue à faire et de finalement pas tout mélanger. L'IA va remplacer tout le monde peut avoir dix sur dix demain dans la production d'un rapport et dans la vérification d'un rapport. Par contre, allez comprendre ce qui se passe dans une situation, pourquoi ça bloque, quelle décision prendre à les comprendre une situation dans un contexte d'ambiguïté, ça pour l'instant effectivement c'est pas fait. Donc toute la toute la question, je pense qu'il faut se poser c'est savoir par rapport à un rôle. Déjà arrêter de traiter des rôles et des titres. Redescendre au niveau du métier, des tâches et de se dire dans mon métier, pour chaque tâche, qu'est ce qui peut être transféré à l'IA et qui va m'apporter une valeur ajoutée? Et qu'est ce que je dois absolument garder et qui est critique, et ce que vous disiez effectivement, la capacité à les comprendre, ce qui se passe chez quelqu'un d'autre, à donner du sens, à porter un jugement critique, à arbitrer, à prendre une décision et à porter une décision. Et aujourd'hui, tout ce que l'on ne travaille pas suffisamment dans les entreprises, c'est comment amener de la cohésion, comment amener de l'alignement, comment effectivement embarquer, embarquer des équipes. Je pense que là, il y a un vrai travail qu'il faut aller faire, c'est de redessiner au niveau des tâches qui fait quoi, ce qu'on donne à l'IA et ce qu'on donne à l'humain.

[00:12:09] Cléa Favre: Rémi Bloch, face aux envies parfois de magie de votre clientèle. Ensuite, quels sont les retours que vous avez? Est ce que c'est de la déception?

[00:12:22] Rémi Bloch: Alors je dirais ça dépend de qu'est ce qui a voulu être magique, C'est à dire que ça rejoint exactement les points de mes deux collègues, c'est que en fait, dès qu'on rentre dans du processus décisionnel par la magie, c'est là où on commence à complètement dériver et on a des retours qui fluctuent complètement. C'est à dire que quand on veut automatiser des choses qui sont mathématiques, qui sont logiques, qui peuvent être prouvées, qui peuvent être vérifiées aussi par ailleurs, on commence là à avoir des bons résultats. Je pense, par exemple, je sais pas, un dashboard comme nous, on fait où vous avez votre tableau de bord et plutôt que d'avoir un catalogue de statistiques, vous allez pouvoir demander des statistiques. Mais au lieu de laisser l'IA faire la statistique et vous dire 7,3. En fait, l'IA va produire l'outil mathématique qui derrière va faire la statistique. Quand on fait des choses comme ça, ça marche bien. Par contre, dès qu'on rentre dans des processus qui, basés sur un ensemble de données, nécessitent simplement d'avoir une réponse qui nécessiterait un humain, une réflexion, de prendre bien tous les paramètres en compte. C'est là où généralement il y a des déceptions parce que la décision n'est pas fiable en fait, ou elle manque de ce petit côté humain qui fait la différence.

[00:13:37] Cléa Favre: Yann-Eric Dizerens, certains professionnels RH passent leurs journées à paramétrer des logiciels, à nettoyer des bases de données, à analyser des reporting. Comment on en arrive là?

[00:13:50] Yann-Eric Dizerens: On en arrive là parce qu'en fait, on a beaucoup plus de données que par le passé. On est en capacité de produire, en fait, des données en masse. Et en fait, nos parties prenantes internes ou externes, nos autorités régulatrices, pour les entreprises qui en ont, et bien en fait, sont de plus en plus friands de reporting dans des délais de plus en plus courts. Et en fait, le temps qu'on a gagné à automatiser certaines choses, et bien parfois on le perd en fait à rendre compte. Ça, c'est un des enjeux organisationnels, des enjeux de gouvernance, bien évidemment. Mais en fait, là où on disait On entend votre question et je vous reviens dans une semaine, et bien maintenant on doit pouvoir répondre Je vous reviens demain. Et ça qui nous a amené progressivement à ce type de dérive de nous.

[00:14:39] Cléa Favre: Anne Donou, vous constatez aussi que parfois les RH servent l'outil plutôt que l'inverse.

[00:14:47] Anne Donou: Oui, et puis quelque part, c'est toujours effectivement qu'est ce qu'on met d'abord et et est ce que c'est d'abord l'outil qui vient? Et on va ensuite compléter ou est ce qu'on définit d'abord ce que l'on veut faire et ce que l'humain doit garder? Et puis comment est ce qu'on va compléter par la machine? Le travail qu'on fait avec beaucoup d'entreprises actuellement, c'est de redéfinir c'est quoi le leadership à l'ère de l'IA. Et là il y a une vraie transformation au niveau leadership. Vous disiez au niveau gouvernance, comment les managers vont accompagner leurs équipes. Et ça, il faut absolument le retravailler maintenant. Et effectivement, on voit que de plus en plus de tâches vont devenir de la vérification. Est ce que c'est ça qu'on veut demain? Et puis quelle est la valeur ajoutée de ce que les humains vont produire. Donc ça, c'est la première chose à un bout de la chaîne. Et puis la deuxième chose que l'on voit, ce que vous disiez au démarrage, c'est toutes les questions liées à la santé mentale. Parce que moi, je vois même dans mon propre, dans mon propre périmètre, j'utilise beaucoup l'IA, j'ai des agents qui travaillent pour moi et je gérais 50 dossiers avant, aujourd'hui, j'en gère 100; parce que ma capacité à en gérer plus a décuplé. Sauf que j'ai en permanence 100 dossiers qui tournent dans ma tête, qu'il faut que je suive, que je fasse pousser, avancer. Et en fait, ça crée à un moment donné une surcharge mentale chez les gens. Et on voit effectivement que la place du RH, c'est de regarder toute cette chaîne là depuis la transformation du leadership dans les entreprises jusqu'aux questions de santé mentale des personnes. Parce que pour l'instant, on voit bien, et je pense que vous pourrez confirmer, il y a beaucoup de projets IA qui s'arrêtent, qui se lancent, qui s'arrêtent, soit parce que ça n'a pas été. Le périmètre n'a pas été bien défini au démarrage, soit parce que dans des plus petites entreprises, on voit que les investissements pour continuer coûte très, très, très, très cher. Et c'est là que le RH, il a toute sa place pour effectivement regarder la continuité des projets et puis pour accompagner toute la transformation, mais d'un point de vue réellement humain.

[00:16:43] Cléa Favre: Rémi Bloch Effectivement, vous faites ce constat, parfois vous avez des des clients qui viennent vous voir et puis qui stoppent un projet, peut être parce que l'investissement est plus coûteux ou parce qu'ils se rendent compte que leurs attentes étaient disproportionnées.

[00:16:59] Rémi Bloch: Il y a une statistique intéressante du MIT de l'année dernière qui dit que 95 % des projets ratent. Donc on se dit OK, ça fait quand même beaucoup d'argent quand on sait les millions que les gens engagent et tout. Donc on dit OK, 95 %. ça veut dire que le focus de tous ces projets, globalement, n'était pas bon, ou les attentes étaient mauvaises? Donc c'est clair qu'aujourd'hui des gens qui arrêtent. Alors nous pas tellement, parce qu'on essaye dès le début de dire si on s'engage dans un projet il faut que ce ne soit pas n'importe quoi entre guillemets. On essaie de mettre un cadre pour que. 99 %, On arrivera à quelque chose à la fin. Mais ce qui est très juste, c'est que la réflexion sur le retour sur investissement, sur quelle valeur va apporter le projet en lui même. C'est quelque chose que généralement les gens mettent complètement de côté et qui pour moi est le l'argument premier qui devrait être à la source de tous les projets IA, c'est qu'est ce qu'on va y gagner fondamentalement du temps, de la tranquillité d'esprit et pas juste une accélération au point suivant.

[00:18:01] Cléa Favre: Vous, Yann-Eric Dizerens,quand vous faites appel à des solutions d'automatisation d'intelligence artificielle, vous avez très clairement en tête votre objectif?

[00:18:15] Yann-Eric Dizerens: Je pense que c'est aussi un travail d'équipe avec les collègues informaticiens qui doivent en fait nous challenger sur notre définition du besoin. Trop souvent, les RH, comme plein d'autres métiers, on arrive avec une solution. On arrive en revenant du salon RH en disant j'ai vu au bout de l'allée un outil extraordinaire qui va résoudre tous mes problèmes. Mais en fait l'analyse très fine du besoin. Quel est le problème vraiment concret qu'on veut résoudre? Et bien il est difficile à établir. En fait, si la solution précède le besoin, et bien c'est le début des difficultés. Et puis ce qui est aussi important, c'est de se rappeler que, en fait, l'IA, elle ne fait que elle ne va pas supprimer nos biais. En fait, elle va même plutôt avoir tendance à les reproduire à très grande échelle. Prenons l'exemple du recrutement. Si pendant nos années précédentes, on a recruté un peu toujours les mêmes profils qui viennent un peu toujours des mêmes écoles, etc, eh bien en fait, nos outils informatiques, ils vont avoir tendance à reproduire ceci. Alors que si on a des enjeux de diversité et d'inclusion, de modification de compétences, de métiers qui évoluent, etc. Et bien en fait, l'outil va aller dans une une direction différente de celle dont on aurait besoin. Et ça me semble très important aussi de cadrer ceci en d'analyse de besoins.

[00:19:35] Cléa Favre: On arrive aussi à ses limites et à ses biais. Peut être parce qu'on connaît très mal comment fonctionne l'intelligence artificielle qui va avoir tendance effectivement à reproduire la réalité telle qu'on l'a toujours connue, notamment dans le recrutement. Les CV plus atypiques vont être vite mis de côté. Est ce qu'il y a des solutions techniques qui existent à ça, ou ça passe par une formation des professionnels des RH?

[00:20:03] Rémi Bloch: Je dirais que l'exemple est très bon, c'est qu'en fait tout à l'heure quand je parlais de probabilité, c'est qu'en fait on va tendre vers la moyenne, c'est à dire que les entraînements des IA ont été entraînés avec des données et donc l'IA va tendre vers ces données. Du coup on va tendre vers la moyenne. Donc tout d'un coup de dire ok, comment je fais pour que sortir de cette moyenne? Je ne sais pas si je prends un exemple. Je reviens sur le recrutement. Après. Vous demandez à Claude de faire un site web. Vous avez toujours le même site web, il aura toujours la même tête. Ce sera globalement toujours les mêmes arrondis, les mêmes goûts, les mêmes trucs. Comment on fait pour sortir de ça? C'est la même chose si on dit maintenant j'applique ça sur un recrutement, comment je fais pour ne pas avoir toujours le même profil moyen qui est recherché? Et donc en fait, c'est la manière de configurer la demande, en fait, de dire aujourd'hui on demande, on cherche quelqu'un pour un poste, on a en fait une idée en tête très précise. Et donc quand on demande quelque chose à l'IA, il faut s'assurer que l'IA, la réflexion de l'IA soit alignée en fait avec l'idée qu'on a en tête. Et donc ça passe par une meilleure description des conditions, une meilleure description des différentes caractéristiques qu'on pourrait attendre d'une personne, y compris aller dire, aller chercher dans les soft skills, d'aller chercher dans de dire peut être ressortir les critères atypiques pour après qu'une personne vienne les analyser, et pas juste de faire des promptes entre guillemets trop simple et trop généraliste qui du coup vont taper dans la moyenne systématique de nous.

[00:21:29] Cléa Favre: Anne Donou, vous vous faites confiance aux ATS pour le recrutement?

[00:21:34] Anne Donou: Ça aide. Et c'est souvent les discussions qu'on a avec les entreprises. Une entreprise qui a trois postes..

[00:21:40] Cléa Favre: Vous prenez les 50 premiers cv.

[00:21:43] Anne Donou: Une entreprise qui a 50, qui a trois postes ouverts, elle peut encore traiter manuellement les 350 ou 500 CV qui arrivent pour trois postes. Mais une entreprise qui a10, 15, 20, 30 postes ouverts, elle peut pas durablement le faire. Ce que l'on constate dans les entreprises, c'est que la clé, c'est l'enquête qu'on a mené en 2024 montrait ces chiffres. La qualité des CV qui sont sélectionnés par l’ATS ne correspond pas à la qualité des CV qui étaient sélectionnés par l'être humain avant. Et donc on voit de plus en plus d'entreprises qui font marche arrière et d'entreprises qui nous disent nous, en fait, on les utilise plus, donc on voit les deux. Des entreprises qui les utilisent et qui avancent et qui trouve une façon de paramétrer et de sélectionner les CV, puis des entreprises qui disent on ne veut pas. Si on revient à la question de l'entraînement des données, il y a aussi autre chose. En fait, les IA qu'on utilise aujourd'hui ont été entraînées par des données qui viennent soit des États-Unis, soit de la Chine, et se posent la question de: est-ce qu'elles sont pertinentes pour nous en Europe et est-ce qu'elles sont pertinentes pour nous en Suisse? Et donc on voit bien la limitation des modèles par rapport aux données avec lesquelles elles ont été entraînées. Et puis même dans les pays qui ont les données à la source, on voit des grandes entreprises, on marche. Elle prend l'exemple du recrutement, et on a eu, il y a quelques années, l'exemple d'une très grande où l’ATS avait systématiquement éliminé les profils des femmes, parce qu'il y avait quelque chose dans le paramétrage qui amenait à ce type de résultats. Donc, je crois que l'intérêt qu'on a nous en Suisse, c'est qu'avec un côté un peu conservateur qui, cette fois, est un très bon côté, on est prudent, on regarde un peu ce qui se passe dans les autres pays, et puis on adopte de façon un peu plus sélective. Ce que je vois beaucoup dans les entreprises, c'est que c'est utilisé pour la première partie du recrutement, qui est plutôt la partie sourcing, recherche de profils et collecte de profils. Par contre, c'est moins utilisé dans la partie de l'entretien où il faut aller effectivement vérifier et avoir une discussion. Et là, c'est quand même beaucoup moins généralisé que, par exemple dans les pays anglo-saxons. Et pour l'instant ça me paraît être une bonne chose.

[00:23:53] Cléa Favre: Alors ça, c'est pour le recrutement. Côté management, on a aussi des outils de feedback continu ou des voilà, on mesure le bien être à coup de questionnaires. Est ce que ça, ça ne remplace pas les vraies conversations au final dans les entreprises, Yann-Eric Dizerens

[00:24:14] Yann-Eric Dizerens: Alors en fait, ces outils, ils ont un gros avantage, c'est qu'ils permettent de faire une photographie à un instant T, en fait des dynamiques interpersonnelles du climat de travail dans une organisation. Si on le fait régulièrement, ça donne aussi des dimensions de tendances et je trouve ça très intéressant. Là où il faut absolument aller un cran plus loin, c'est qu'une fois qu'on a fait ce diagnostic, en fait, il faut mettre des plans d'action. Et en fait là, il y a l'humain. Voilà. Définir les plans d'action, définir les priorités, se réunir ensemble, avoir le courage de poser ces constats là, avoir le courage d'annoncer des changements, avoir le courage de prendre des décisions qui sont impactantes pour améliorer les constats établis grâce à ces outils. Et bien là, il y a toute la part de l'humain. Voilà donc ces outils, en fait, en soi, ils sont ni bien ni pas bien. C'est ce qu'on en fait à chaque fois qui doit être réinterroger.

[00:25:04] Cléa Favre: Mais est ce que ça donne pas au niveau des salariés, une impression de bureaucratie numérique très distante.

[00:25:12] Yann-Eric Dizerens: Alors effectivement, je pense que ça dépend aussi si ces sondages, ils sont faits avec quelques questions bien ciblées auxquelles on peut simplement répondre sur une échelle de Likert, une gradation de 0 à 10, ou si à chaque fois on leur demande des commentaires d'une demi page chacun. Je pense qu'il faut aussi à chaque fois interroger le temps que l'on va prendre au collaborateur, qui est en fait un cadeau pour l'entreprise, pour pouvoir diagnostiquer ce qui est en train de se passer. Et il faut que le collaborateur, en fait, il y trouve son compte. Il faut que le temps qu'il prend, qu'il investit, donner de la donnée à son employeur, et bien il puisse le retrouver en amélioration concrète de son environnement de travail. Et si on lui offre la démonstration que ce temps là, il est rentable pour lui, la prochaine fois, il va être d'accord de reproduire l'exercice.

[00:26:02] Cléa Favre: Anne Donou, qu'est-ce que vous en pensez? Ces outils, tels qu'on les utilise aujourd'hui, ils mettent de la distance entre les RH et les collaborateurs et collaboratrices, où ils permettent d'avoir une vision pertinente et de prendre les bonnes décisions.

[00:26:19] Anne Donou: C'est ce qu'on essaie de regarder avec les entreprises. Comment est ce que le gain de productivité, finalement le gain de temps, il a été réutilisé et à quel endroit? Et quand on travaille beaucoup avec les RH en général, ce qu'ils nous disent c'est pas qu'ils ont réussi à dégager du temps pour aller plus vers l'humain, mais ce que vous disiez tout à l'heure, ils ont dégagé du temps pour faire encore plus de reporting parce que le reporting est attendu à J plus un et plus à J plus huit. Donc on voit bien que la question, elle est complexe. Et puis moi je poserais un autre sujet, c'est la question du déclin cognitif et c'est un vrai sujet. Et la déqualification quelque part. Pourquoi? Parce que, à force de déléguer, on délègue tout, on délègue la recherche, on délègue la pensée, on va déléguer l'analyse. A quel moment on construit une expertise et on construit de la compétence. Et puis puisqu'on commence vraiment, et on le voit, à décomposer le travail humain en morceaux pour savoir ce qu'on va donner à l'IA et puis ce qu'on va garder à un moment donné. Si l'humain sert uniquement à faire de la vérification, on a un déclin des compétences, un déclin de l'expertise et puis et puis finalement un déclin du sens au travail. Donc, la question, elle est même encore plus profonde que de à quel endroit on met de l'IA dans les processus pour faire des gains. Donc, il y a vraiment une question de déqualification qui se pose.

[00:27:45] Cléa Favre: Yann-Eric Dizerens Vous voulez intervenir?

[00:27:48] Yann-Eric Dizerens: Volontiers. Je suis tout à fait d'accord. Ça interroge aussi parce qu'il y a l'IA comme outil pour sélectionner, puis il y a aussi l’ouie pour candidater, l'IA pour candidater. En fait, on voit que nos candidats ont tendance à standardiser de plus en plus leur lettre de motivation. Il y a même d'ailleurs de plus en plus d'employeurs qui ne requièrent plus cette pièce là dans le processus. Et en fait, ça amène des modifications dans nos processus. Il y a plein d'entreprises qui vont en fait demander des produits, mais au crayon, on va revenir au papier crayon parce qu'en fait, on sait que si on demande une production écrite à l'ordinateur, et bien on ne va jamais tellement savoir quelle est la véritable qualité compétence, l'expertise mobilisée par le candidat. On va avoir des entreprises qui vont multiplier les entretiens oraux et non plus des productions écrites, parce que ce n'est en fait qu'à l'oral que c'est infalsifiable et qu'on a vraiment la pensée de la personne, qu'on peut voir son schéma de pensée, qu'on peut voir comment est ce qu'il structure ses idées, etc. Et en fait, ça développe aussi la nécessité d'avoir des compétences oratoires de plus en plus grandes quand on a de plus en plus dis donc, on voit qu'il y a des processus entiers qui sont en train de se redéfinir. Côté candidats et côté employeurs.

[00:29:01] Rémi Bloch: Et d'ailleurs pour pour rebondir sur ce que vous avez dit, d'ailleurs à SAI, on ne fait plus d'entretien technique, on ne fait que des entretiens oraux quand on engage des gens. Parce qu'en fait, la seule manière aujourd'hui de savoir qu'un développeur sait développer, c'est de discuter concrètement avec lui de situations pratiques qu'il a vécues, comment il les a gérées et tout. Aujourd'hui, il y a 250 manières de tricher. Même pendant un entretien, même si on lève les mains, on peut quand même et on les montre. On peut quand même arriver à tricher, de demander à quelqu'un de faire du code, de faire des choses techniques. Il peut avoir chat GPT qui tourne derrière et qui lui donne toutes les réponses. Donc aujourd'hui, la seule manière de savoir si quelqu'un est bon, en fait, c'est de savoir, c'est de vraiment discuter face à face, mais de problématiques où il ne pourra pas tricher, de ses expériences, de trucs où c'est beaucoup plus difficile d'inventer des choses et de tricher.

[00:30:00] Cléa Favre: Rémi Bloch, on parle d'intensification du travail, voire de saucissonage des tâches de perte de sens au travail. Comment vous voyez vos propres outils? Est-ce-que parfois ils vous font, Ils vous font peur quand vous voyez leur impact potentiel sur la transformation du travail?

[00:30:20] Rémi Bloch: C'est clair que nous, notre core-business, c'est d'accès, de digitaliser les choses et d'automatiser le travail des gens. Donc c'est clair qu'aujourd'hui, avec les besoins toujours plus pressants de tout le monde, de tout automatiser dans tous les sens, on commence à créer de plus en plus d'outils qui sont des usines à processus dans tous les sens, où les gens perdent un peu pied alors que c'était leur demande initiale. C'est clair qu'il y a. Ça fait un peu peur par certains côtés, de se dire qu'on est en train de créer un peu des monstres d'automation et qu'on ne sait pas trop où on va. Et on espère que ça, que ça va, que tout va bien se passer quoi. Mais je pense que ça va quand même dans le sens où tant qu'il y aura des humains qui seront là pour émettre leurs envies et de discuter de pourquoi ils ont ce besoin, où est ce qu'ils veulent aller et ainsi de suite, là ça ira. Si on commence à déléguer vraiment ce processus décisionnel de j'ai envie de mettre en place mon entreprise et l'IA, dis moi qu'est ce que je devrais faire? C'est là où ça va commencer à mal tourner.

[00:31:28] Cléa Favre: Alors on ne va pas se laisser aller au pessimisme et au catastrophisme, mais on va plutôt voir comment tenter de tirer le meilleur parti de ces outils. Anne Donou, pour vous, qu'est-ce qu'un bon outil?

[00:31:44] Anne Donou: C'est un outil qui a été posé par rapport à un objectif de réalisation de l'entreprise. Et souvent, en fait, on fait, on voit les choses qui arrivent un petit peu à l'envers, c'est on veut mettre de l'IA pour mettre de l'IA et on verra bien ce qu'on va en faire. Donc déjà, la première chose, c'est de reposer par rapport à quel objectif et qu'est ce qu'on y met. La deuxième chose, un bon outil, c'est un outil qui va permettre d'augmenter le potentiel d'un être humain et puis de garder effectivement sa valeur ajoutée. Encore faut il réussir à définir métier par métier, qu'elle reste la valeur ajoutée de l'humain qui pose un problème un peu critique, notamment sur les jeunes et l'introduction des jeunes dans les entreprises. Nous, on vient de terminer une enquête qui va être publiée prochainement et qui montre aujourd'hui qu'il y a une érosion sur l'entrée des jeunes sur le marché du travail. Donc, les entreprises nous disent pas on se lève le matin et on supprime tous les postes des jeunes, mais on voit bien que dès que quelqu'un part ou reçoit une promotion, on analyse le poste, on dit ça, on va donner à l'IA ça, on va donner à l'IA, ça aussi, ça aussi, ça en donne à Paul, il y en a un autre qui est qui part et puis on va dire ça à l'IA. Ça, ça va. L'ia, ça, ça va à Marc. Et en fait, on voit aujourd'hui qu'il y a une diminution du nombre de postes disponibles dans les entreprises pour les jeunes. Donc, quelque part, si on estime que la valeur de l'outil remplace la valeur d'un jeune, pourquoi pas, si on lui confie des tâches avec basse productivité ou des tâches à faible valeur ajoutée. Le problème, c'est qu'on n'est pas en train de donner aux jeunes la possibilité de se former, d'acquérir de l'expérience. Et pour moi, on est juste en train de créer un numerus clausus pour les entreprises. Parce que si on ne fait plus rentrer les jeunes pour pouvoir leur permettre d'apprendre et effectivement d'être la force de travail dont on a besoin, dans dix ans, on va se retrouver coincé. On fait partir tous les seniors, on ne fait plus rentrer les jeunes et on a un bottleneck au milieu. Donc un bon outil, c'est un outil qui va permettre de continuer à créer de l'expérience et à former les jeunes dont on va avoir besoin dans les entreprises, sauf si la robotisation arrive plus vite. Et après on rentre dans un autre débat. Mais un bon outil, c'est ça. C'est un outil qui permet aux humains de continuer à apprendre et de créer de la valeur ajoutée dans une entreprise.

[00:34:09] Cléa Favre: Yann-Eric Dizerens, il y a dix ans, j'allais aussi vous demander quelle est votre définition d'un bon outil? Mais avant c'est intéressant. J'aimerais vous entendre là dessus, vous, un poste junior aujourd'hui, vous le donnez un peu à l'IA, un peu à Paul.

[00:34:23] Yann-Eric Dizerens: Alors, c'est clairement un enjeu. Et d'ailleurs on voit qu'il y a une modification structurelle des personnes qui sont en recherche d'emploi. Ça, c'est on commence de le voir. Donc, l'avènement de l'IA, c'est environ il y a trois ans. Et en fait, on voit depuis qu'il y a une modification de la structure socio-démographique des personnes qui sont en situation de recherche d'emploi. Donc, ça, c'est un enjeu vraiment de société pour chacun d'entre nous. Donc, je m'inscris tout à fait là dedans. Je m'inscris aussi dans la continuité de ce qui vient d'être dit par madame Donou. Un bon outil part d'un besoin et pas de la technologie. Pour le dire autrement, le gadget, il va partir d'une technologie, d'un effet de mode, alors que le bon usage, il va partir d'un problème. Ça c'est clair. J'aimerais rajouter qu'en fait, un bon outil, c'est un outil qui est accompagné parce qu'il n'y a rien de pire dans une entreprise de dire On achète Microsoft 365, on vous met à disposition Copilot, et voilà. Et en fait, à partir de là, c'est le début des soucis. En fait, si on n'accompagne pas ça non pas par des simples sensibilisation, mais vraiment des formations en profondeur. Et en fait on va générer plus de troubles que de solutions et en fait, on va avoir des graves dysfonctionnements éthiques, on va avoir des problèmes de données, de datas qui se retrouvent vraiment n'importe où. Et il y a une prise de conscience massive à prendre parce qu'en fait ce sont des outils qui sont très peu fiables par les employeurs. Donc la mise à disposition d'un outil extrêmement puissant nécessite en fait un cadre extrêmement clair. Ce qu'il y a derrière, en fait, c'est l'enjeu de la protection des données. On est dans dans un pays qui a récupéré pour une bonne partie le cadre européen en matière de protection des données. Chaque canton a ensuite sa propre législation en la matière. Et en fait, ces outils, on le voit bien, ils dépassent largement les frontières de nos cantons et de notre pays. Et donc ces outils, s'ils doivent être pour être des bons outils pour revenir à votre question, eh bien, ils doivent être absolument conformes au cadre légal et éthique qui est le nôtre. Et puis j'aimerais enfin rajouter qu'un bon outil, c'est un outil qui est capable de nous apporter la démonstration à l'usage qu'il a vraiment généré de la valeur réelle avec des bénéfices observables. Prenons l'exemple des notes de séance. On passe tous notre temps en séance, on passe tous notre temps à prendre des PV. Par le passé, et bien pour 1 h de séance, c'était pas rare qu'on passe 15, 30 ou 45 minutes à prendre des notes pour ensuite donner trace de tout cela avant. On est tous au clair comment ça se passait après? Maintenant, la possibilité avec des transcripts, avec de l'IA, d'être dans les dix secondes qui suivent la fin d'une séance, avec une retranscription, si on a bien prompter notre retranscription avec quelque chose d'extrêmement qualitatif. Encore une fois, qu'est ce qu'on fait avec ce temps gagné? Est ce que j'y reviens? On a plus d'attention en séance? Est ce que au lieu de prendre des notes, je suis pleinement en contact visuel? Est ce que je m'inscris pleinement dans le sens et le propos de mon interlocuteur? Est ce que le temps gagné, je vais l'investir à agir plus à plutôt que de rédiger, à donner suite aux décisions qui ont été prises, à faire un suivi? Est ce que je vais prendre plus de temps pour me préparer aussi à ces séances et éviter d'arriver les mains dans les poches en m'asseyant, en disant en fait on doit parler de quoi, c'est quoi l'ordre du jour, etc. Et en fait, tout ce temps gagné j'aimerais aussi qu'on le passe avec nos bons outils, que j'espère que tout ce que nous aurons à l'avenir à prendre mieux en charge toutes les situations complexes inter-relationnel, à mieux coacher, mieux encadrer les managers qui vivent en fait des vraies transformations de leur métier parce que leurs subordonnés, parfois, deviennent des meilleurs experts qu'eux. Et enfin, est ce qu'on va prendre plus de temps pour expliquer le why, pour expliquer à chaque fois le pourquoi est-ce qu'on fait les choses? On va d'où est-ce qu'on vient, comment est ce qu'on va y arriver. Et en fait tout ça, l'IA ne va pas le faire à notre place.

[00:38:22] Cléa Favre: Et justement, de ce que vous observez dans votre entreprise, ça va plutôt dans quel sens? Qu'est ce qu'on fait de ce temps gagné?

[00:38:29] Yann-Eric Dizerens: Alors clairement, aux services industriels de Genève, il y a, il y a une vraie prise de conscience, il y a un vrai processus en cours, là, autour, qui a commencé il y a plusieurs années. Il y a des équipes dédiées, il y a une vraie réflexion, une vraie stratégie. Donc, c'est très. C'est très agréable de travailler dans ces conditions là. Mais malheureusement, quand on se déplace dans les couloirs de salon RH et qu'on voit plein de collègues, plein de confrères et consœurs, et bien on voit qu'il y a des réalités très diverses à ce sujet, avec parfois des absences totales de vision autour de la digitalisation et de l'avènement de l'intégration de l'IA. Et ça par contre, c'est beaucoup plus préoccupant.

[00:39:08] Cléa Favre: Rémi Bloch vous le releviez dès le départ ce manque de vision, qu'est ce qu'il faudrait? Qu'est ce qui manque à votre avis?

[00:39:19] Rémi Bloch: De quelle part.

[00:39:21] Cléa Favre: Il faudrait quoi? Une formation peut être?

[00:39:23] Rémi Bloch: C'est clair que c'est clair que de former les gens à. Qu'est ce que c'est que cet outil fantastique? Qu'est ce qu'on peut lui demander qui fonctionne bien? Qu'est ce qu'on peut lui demander qui ne fonctionne pas? On parlait tout à l'heure de tendances par exemple. Ça c'est un outil incroyable. Ça résume des choses de manière incroyable. Donc, tout d'un coup, de dire Je sais que dans certaines entreprises, ça se fait de dire l'IA a accès, par exemple, aux canaux de discussion des employés et puis, par exemple, de déterminer c'est quoi, le sujet sur lequel tout le monde se bat en ce moment pour que, pendant une séance entre différents départements, de discuter directement du bon sujet plutôt que de se disperser. Ça, c'est des bonnes façons de faire. Donc, en fait, d'expliquer aux gens c'est quoi les sujets où l'IA va performer et c'est quoi l'IA ou les sujets où l'IA va mal performer. D'expliquer aussi aux gens que de dire merci, s'il te plaît, c'est pas forcément utile et que Pourquoi? Parce qu'en fait ils comprennent pas qu'est ce qu'il y a derrière. Ça va, je pense amener une vraie culture d'utilisation qui va améliorer les choses. Par exemple, ce qu'on fait nous aussi, c'est qu'on discute entre nous de temps, régulièrement de ok, c'est quoi les petits trucs, les petites astuces qui permettent de gagner du temps, qui permettent de bien fonctionner. Alors que entre un groupe de développeurs qui entre guillemets, font la même chose. On pourrait se dire OK, ils vont tous avoir la même utilisation de l'IA. Pas du tout. Il y en a qui vont réussir à faire des choses incroyables, d'autres pas. Donc en fait, il y a aussi un espèce de tabou de ah moi j'utilise l'IA, on parlait d'IA un peu solitaire où on fait chacun son petit truc dans son coin. Aujourd'hui, c'est de dire OK, c'est un outil, on vient de découvrir le feu, on peut mettre le feu partout et à la forêt. Mais si on discute ensemble de la bonne utilisation du feu, de c'est quoi qui marche bien, C'est de ne plus avoir peur aussi de dire qu'on l'utilise. Ça peut créer un cadre où les gens vont améliorer leur quotidien et en profiter.

[00:41:14] Cléa Favre: Anne Donou, je ne sais pas si vous dites merci et s'il te plaît à l'intelligence artificielle, mais pour vous, pourquoi c'est oui d'utiliser le feu? Pourquoi c'est non?

[00:41:26 Anne Donou: Ben c'est oui, parce que ça va supprimer des tâches qui sont sans valeur. C'est oui parce que ça peut améliorer la qualité du travail et d'un rendu. C'est non si ça doit éloigner. Et si je reviens sur le sujet des RH, si ça doit éloigner les RH des collaborateurs, c'est non. C'est oui si ça permet d'améliorer une conversation. Le contenu d'une conversation. Comment approcher une difficulté? C'est non. Si ça permet de l'éviter. C'est oui, si ça permet de développer des compétences. C'est non, si ça les érode. Pour moi c'est oui, si ça augmente l'autonomie, si ça permet de transformer l'humain et d'augmenter son potential, comme je disais tout à l'heure. C'est non, quelque part, si ça le rend contrôleur de ce que la machine a produit. Vous donniez l'exemple tout à l'heure. Quand on voit des gens en séance qui prennent des notes, qui n'interagissent, qui n'interagissent plus avec les autres, mais qui prennent des notes pour ensuite redonner les notes dans le bon format pour que l'IA puisse générer le rapport. Mais du coup, on a juste gaspillé le temps qu'on avait. Je vais vous donner un exemple très concret. La semaine dernière, je travaillais avec une entreprise sur les dynamiques d'équipe. Génial! On leur a donné une activité à faire pendant 3 h, ils ont pris l'IA. C'était pas du tout interdit dans les critères. L’IA leur a produit une solution qui était ultra complexe, qui allait largement au-delà de ce qui était demandé. Ils ont perdu 1 h et demie sur leur activité et en fait, on leur a juste démontré que s'ils n'ont pas d'abord réfléchi à pourquoi ils utilisent l'IA, mais plutôt alors je vais demander à l'IA de me faire ma solution et après je verrai si si c'est faisable, qu'en fait on peut vite tous perdre beaucoup de temps. Donc c'est non si on doit perdre du temps. Revenons au papier.

[00:43:07] Cléa Favre: Yann-Eric Dizerens votre ligne rouge à vous dans l'utilisation de l'intelligence artificielle. Elle est où.

[00:43:15] Yann-Eric Dizerens: Alors? Je crois qu'elle est dans la déqualification des personnes. Il m'est arrivé de constater que des collègues que je connaissais depuis de nombreuses années étaient capables de faire certaines choses. Et depuis un an, 18 mois, deux ans ne sont plus capables de le faire parce qu'en fait, ils ne l'ont tellement plus expérimenté que si tout d'un coup, ils n'ont plus l'outil à leur disposition, eh bien en fait, ils ont un sentiment de compétence qui a baissé. Donc, pour moi, ça, c'est une vraie ligne rouge. J'en aurai peut être une seconde, c'est que l'IA, elle doit aussi nous permettre de maintenir l'employabilité. C'est un peu l'autre côté de la médaille. Maintenir l'employabilité des personnes, ça veut dire leur offrir sur tout leur parcours, toute la durée de leur parcours professionnel, leurs mêmes chances d'être réintégré chez un autre employeur. Et en fait, l'IA, elle ne doit pas baisser les compétences, elle doit plutôt les augmenter. Et selon l'usage qu'on en fait, on part vraiment dans la mauvaise ou dans la bonne direction.

[00:44:19] Cléa Favre: Un grand merci à vous trois d'avoir participé à cette discussion. Anne Donou, directrice d’Alixio pour la Suisse romande, un groupe donc de conseils stratégiques et de services opérationnels spécialisés notamment dans le domaine RH. Yann-Eric Dizerens, directeur des relations humaines des services industriels de Genève, et Rémi Bloch, responsable produits de SAI, entreprise qui proposent de l'automatisation. L'intelligence artificielle, changent notre quotidien au travail. Va t elle nous soulager? Va t on vraiment faire moins d'heures avec plus que des tâches épanouissantes? Ou nos journées vont-elles s'intensifier jusqu'à ce que mort s'ensuive ou autres scenarios, encore serons nous toutes et tous au chômage? On se redonne rendez vous dans je ne sais pas, trois ans pour faire le point.

[00:45:07] Rémi Bloch: Plus vite.

[00:45:08] Cléa Favre: Plus vite. Dans six mois on revient. Merci à toutes et tous pour votre attention.

[00:45:12] Anne Donou: Merci. Belle après midi.

[00:45:16] Voix Off: Cet épisode vous a plu? Alors retrouvez nous la prochaine fois en live! Les 6 et 7 octobre 2027 à Beaulieu, Lausanne. Plus d'infos sur SalonRH.com. A bientôt!