ADP

RH info : site d'actu et d'information sur les ressources humaines.

RSS

I.A. : si on savait de quoi l'on parle !

tranformation_digitale.jpg

Tout est intelligence artificielle et pourtant elle n’existe pas...

Nous sommes en l’an 62 de l’intelligence artificielle, et toute l’entreprise est occupée... Toute ? non ! une tribu d’irréductibles gaulois agitant code du travail, systèmes de paie en mode fromage corse, et syndicalistes à moustaches luttent encore et toujours contre l’envahisseur... Et la vie n'est pas facile pour les garnisons d’informaticiens et start-uppeurs des camps retranchés de Transformatum, Disruptum, Digitalum et Innovatum.

Plus sérieusement et sans chercher à dépeindre qui que ce soit comme d’irréductibles Gaulois, une période est généralement considérée comme le moment « 0 » de l’IA. La naissance de l’intelligence artificielle se situe entre le 18 Juin et le 16 Août 1956 lors d’une conférence regroupant nombre de spécialistes des mathématiques et « computers ». La nouvelle Bethléem est ainsi localisée à Dartmouth (New Hampshire) et Alan TURING est son prophète (Alan TURING a formulé des 1950 dans « Computing Machinery and Intelligence » les conditions pour définir si l’on est arrivé ou pas à une intelligence artificielle, l’ « Imitation Game » (si ce sujet vous intéresse, précipitez-vous sur : Non le test de Turing n’est pas passé, par Jean Paul DELAHAYE ainsi que sur le texte initial d’Alan TURING)

Encore aujourd’hui, il est difficile de définir ce qu’est l’intelligence artificielle, plus difficile encore lorsque l’on écoute ou lit toutes les communications qui se targuent de nous expliquer comment l’intelligence artificielle va venir révolutionner l’activité des professionnels RH, de l’entreprise et la vie de chacun d’entre nous et qui en définitive ancrent en nous la croyance d’une intelligence artificielle forte présente et tapie dans l’ombre de nos emplois. TerminatoRH n’est pas loin.

Si l’on désire dépasser la « pensée mainstream », les discours marketing, les gourous plus ou moins autoproclamés, les délires transhumanistes et les récits de science-fiction apocalyptiques, Il convient dans un premier temps de bien définir ce qui se cache derrière le terme « intelligence artificielle ». Ceci nous permettra dans un second temps de mieux décrire et envisager l’utilisation des technologies émergentes dans le cadre notre exercice professionnel et l’impact qu’elles peuvent engendrer au sein de nos organisations. Dans un troisième temps il conviendra de s’interroger alors sur la manière dont nous pouvons conserver la maitrise de notre avenir et de l’évolution de la fonction RH.

L’intelligence artificielle, un entrelacs de techniques et d’approches.

Si dans l’esprit d’un grand nombre de personnes l’intelligence artificielle relève de la pensée magique, c’est peut-être parce que derrière l’IA se cachent un grand nombre de techniques et technologies. De manière simplifiée et résumée l’on retrouvera pêle-mêle : 

  • Les techniques d’Apprentissage Machine (avec les apprentissages supervisés, non supervisés et les techniques de Deep Learning notamment), 
  • les Systèmes Experts, 
  • Le traitement du langage (avec la traduction automatique, la classification, la génération de texte, l’extraction de contexte), 
  • Le traitement de la parole, 
  • La vision, la reconnaissance du mouvement, des formes et des images, 
  • Les techniques de planification et d’organisation 
  • La robotique.  

Dans notre monde professionnel RH et au regard des solutions logicielles proposées sur le marché, l’intelligence artificielle semble, pour le moment, plus particulièrement se limiter aux technologies des systèmes experts, de l’apprentissage machine et maintenant dans le traitement du langage. Bien sûr, nous avons tous entendu parler de ces techniques, de la reconnaissance des émotions, qui couplé avec une caméra vidéo permet d’identifier les émotions (les mensonges ?) des candidats lors d’un entretien d’embauche, mais il faut bien reconnaitre que l’on est plus dans les champs de la recherche fondamentale que de l’application pratique (on lira avec intérêt l’interview de Laurence DEVILLERS dans les Echos : Les machines sont à des années lumières de capturer nos affects

Il convient alors, d’être particulièrement prudent face aux annonces qui fleurissent çà et là et sans les rejeter à priori d’analyser en profondeur ces innovations avant d’en conclure qu’il s’agit d’un progrès (ou plus simplement que cela fonctionne réellement) au regard des usages et des attendus portés à l’encontre de notre fonction par nos parties prenantes. 

Les techniques de l’IA généralement rencontrées dans le monde des RH

Même si les applications réussies sont encore relativement rares, l’on rencontre de plus en plus fréquemment des techniques relevant de l’apprentissage artificiel (ou machine), des systèmes experts et de l’analyse sémantique.

L’apprentissage machine

L’apprentissage artificiel est généralement défini comme reposant sur un ensemble de méthodes permettant de construire un modèle de la « réalité » à partir des « données » disponibles (une donnée étant définie comme étant un état de fait objectif), soit en améliorant un système décrivant cette réalité de manière partielle et donc en le complétant, soit en créant ex-nihilo le modèle. La construction de ces modèles s’effectuant normalement avec la combinaison de trois approches :

  • Déductive. Ce qui permet de travailler la connaissance à partir de spécifications ou à partir d’exemples. Les exemples sont transformés en connaissance. L’apprentissage s’effectue alors sur la base d’explications. Techniquement l’on parle de méthodes de particularisation, d’inductions mathématiques ou de type « modus ponens » ;
  • Inductive. Qui utilise alors des méthodes de généralisation, d’abstraction, d’abduction, d’inversion de la résolution ou d’induction sur la base d’un nombre fini de cas ;
  • Analogique. Avec lesquelles la connaissance est travaillée sur la base de cas identifiés ou par similarité. L’on parle alors de lien causal.

Ces approches se déclinent en différentes méthodes et modalités en fonction des "matériaux" à disposition pour générer ces apprentissages et notamment des données et règles de fonctionnement. L’on travaille alors à partir de :

  • Procédures, la connaissance procédurale est alors déclarative et algorithmique.
  • D’une connaissance explicite du problème obtenu sur la base de « traces de comportements » (les traces que nous laissons sur internet, par exemple) ou d’exemples qui sont soit positifs seuls (on parle alors de "généralisation") ou positifs et négatifs (l’on parle alors de "programmation logique inductive").
  • Sans connaissance explicite. Ce dernier point est aujourd’hui le plus porteur. Il repose sur l’utilisation d’exemples classés (les techniques utilisées sont alors principalement les réseaux de neurones, les arbres de décision et l’apprentissage statistique) et d’exemples non classés, qui nécessitent alors soit la classification - la création de classes permettant alors l’utilisation de méthodes statistiques symboliques, neuronales - soit par la découverte des associations.

Un rapide examen des techniques utilisées en apprentissage machine appelé en bon francais « machine learning » montre qu’elles reposent aujourd’hui principalement sur des approches statistiques que l’on pourrait qualifier de "knowledge poor" alors que si l’on tente de regrouper les différentes branches citées précédemment, l’IA apparaît comme plus traditionnellement associée à des approches plus larges de l’acquisition et du traitement de la connaissance et du contexte de celle-ci.

L’utilisation de ces techniques apparait alors particulièrement intéressant dans le cadre du développement d’une politique d’analytique RH, permettant ainsi d’identifier des « patterns » de fonctionnement, de nouvelles règles de gestion et de comprendre certains fonctionnements ou résultats restant mal compris ou identifiés. A titre d’exemple l’on pourrait mettre en avant l’identification de parcours de carrière reliés aux compétences détenues ou l’analyse des causes réelles de l’absentéisme.

Les systèmes experts

Les systèmes experts ont connu leurs moments de gloire à la fin des années 80. Décrits généralement comme des systèmes capables de reproduire les processus cognitifs d’un expert, ces algorithmes reposent (pour simplifier) sur trois principes : 

  • La base de règles
  • La base de faits
  • Le moteur d’inférence

Une base de règles. Il s’agit de décrire les règles à suivre. Généralement on énonce ces règles en vrac, c’est à dire sans ordre particulier. Une condition fondamentale pour garantir l’efficacité du système : ne pas oublier une seule règle. Par exemple : 

  • Si c’est la troisième absence > Alors >Programmer Entretien de Ré-accueil
  • Si un salarié est absent > Alors  > Informer les RH
  • Si le justificatif est absent > Alors  >  Demander le justificatif
  • Etc...      

Ces systèmes s’appuient donc sur la connaissance du domaine et l’intégration au préalable de ces savoirs exprimés sous forme de règles dans la base de règles.

Une base de faits. Les faits regroupés eux aussi dans une base seront alors examinés par le moteur d’inférence qui cherchera toutes les déductions possibles, rajoutera peut-être de nouveaux faits dans la base (grâce aux règles) et donc tentera d’aboutir à une conclusion.

La faiblesse de cette approche réside dans le fait que les systèmes experts sont généralement très rigides. Conçus pour résoudre des problèmes complexes dans des environnements très spécifiques l’entretien ou la mise à jour des règles peut s’avérer particulièrement complexe au point qu’il faut parfois tout reprendre à zéro. 

Les systèmes experts ont connu leur heure de gloire, mais sont retombés dans l’oubli et l’on n’utilise plus guère ce terme. On lui préfère la notion de base de connaissance. Les développements de l’apprentissage machine leur redonne toutefois une certaine vitalité. En effet, l’apprentissage machine et les techniques statistiques qui y sont reliées permettent d’identifier des règles passées inaperçues jusqu’à présent et participer à son évolution et sa mise à jour quasi-permanente.

Pour un professionnel RH, ces outils pourraient être plus particulièrement utiles pour la gestion de processus administratifs ou réglementaires complexes, par exemple pour la paie (et le maintien du réglementaire de paie) ou pour le suivi de certaines situations administratives particulières.

Le traitement du langage

La sémantique est l’étude du sens des mots, dans une phrase et dans le contexte de cette phrase (par exemple le terme stérile sera connoté positivement dans un hôpital et négativement dans une réunion de direction un peu agitée). L’analyse sémantique est donc une technique relativement complexe qui dépasse en technicité et en intérêt les techniques d’analyse lexicales (utilisant principalement des dictionnaires) ou grammaticales (utilisant principalement des grammaires formalisées).

L’analyse sémantique est au cœur des applications du traitement automatique du langage humain, ceci ouvrant un large champ d’application telles que les traductions, corrections orthographiques ou plus récemment la recherche de similarités ou de relations entre différents textes. Les techniques de l’analyse sémantique reposent principalement sur la combinaison de deux approches : 

  • L’approche linguistique, où l’on établit à priori des règles en étudiant le langage ;
  • L’approche statistique, qui s’appuie sur l’analyse d’un volume important de textes, à partir desquels la machine va extraire automatiquement des règles grâce à l’apprentissage automatique (apprentissage artificiel);

Mais l’analyse sémantique passe généralement par quelques étapes :

  • Étape 1 : Dans un premier temps on identifie les termes et des expressions porteurs de sens
  • Étape 2 : Détection des passages contenant l’expression de prises de position
  • Étape 3 : Rapprochement/regroupement des mots et expressions et passages qui exprime une prise de position, positive ou négative par thème
  • Étape 4 : Consolidation sur l’ensemble des verbatim (analyse statistique)

Les champs d’utilisation dans le monde des RH sont particulièrement prometteurs tant la quantité de textes, rapports, données qualitatives sont nombreuses et importantes. L’on pourrait par exemple sur la base des retours d’entretiens professionnels informer automatiquement les collaborateurs sur les métiers qui pourraient s’ouvrir à eux grâce à des bases d’information internes ou externes. Informer des candidats sur les métiers, etc... mais aussi développer des tchatbots un peu moins bêtes que ceux qui nous sont actuellement proposés et qui se bornent très souvent à explorer un arbre n-aire contenant des questions et remarques que l’on explore au fur et à mesure de l’avancée dans le processus de questionnement.

On le constate, ces outils, pour intéressants qu’ils soient ne sont pas intelligents, ils sont certes systématiques et ne laissent pas la place à l’imagination et aux chemins de traverse. Principalement car : 

  • Ils fonctionnent sur le mode de la recherche de corrélations et nous savons tous qu’une corrélation n’est pas une causalité ; 
  • Ils ne sont que le reflet des conditions dans lesquelles se sont passé leur apprentissage ;

Organiser les technologies au service de l’intelligence humaine et de la pensée

Objets inanimés, avez-vous donc une âme ?

De manière plus profane que LAMARTINE, peut-on séparer notre intelligence et notre pensée ? l’intelligence artificielle a-t-elle une pensée ? Certes non et c’est à nous d’organiser cette pensée, de l’apporter dans une recherche de complémentarité entre les technologies et les professionnels.

L’avenir de la fonction RH repose principalement sur notre capacité à faire évoluer son système d’information. Un système d’information est un ensemble cohérent de données, acteurs, procédures et d’objectifs réunis par un ensemble de techniques et technologies. Repenser les RH c’est repenser sa capacité à délivrer un service de qualité et donc s’assurer que le système suivra … 

Les nouveaux modèles d’organisation de la fonction RH devront réussir à articuler les activités conventionnelles ou transactionnelles, généralement supportées par les logiciels RH classiques, les activités collaboratives ou d’intermédiation, généralement supportées par des applicatifs permettant la collaboration, groupware, wiki, réseaux sociaux d’entreprise et enfin des applicatifs permettant de développer l’analyse des données et informations RH (Pour plus d’information : La fonction RH est-elle moutonnière ?)

RHFutur/4.0 = RH 1.0 + RH 2.0 + RH 3.0

Mais plus pratiquement, il va nous falloir créer une « fonction RH apprenante » en combinant les technologies à notre disposition afin d’éviter l’effet gadget (Non à la gadgétisation de la fonction RH ). De manière simplifiée et un peu réductrice, l’on pourrait retenir le graphique suivant pour illustrer notre propos (cliquer pour télécharger le fichier associé)

visuel_pour_article_de_francois_geuze_sur_lintelligence_articielle.png

Cliquer ici pour afficher le schéma en plein écran

Avant de s’intéresser à la recette, les ingrédients de la potion magique du druide Informatix sont principalement (1) : 

  • Les données, qui décrivent des états de fait objectifs, « est présent/est absent » par exemple ; 
  • Les informations, qui sont des données agrégées avec une règle d’agrégation connue et servant de base à la compréhension des situations et résultats, le taux d’absentéisme par exemple. On parle aussi d’informations structurées ; 
  • Les savoirs, qui sont des informations que l’on agrège sans que l’on ait véritablement connaissance d’une règle d’agrégation. Les variables explicatives de l’absentéisme par exemple. On parle aussi d’informations non structurées ;

Ces ingrédients sont partout, au sein de la DRH, de l’Entreprise ou même à l’extérieur de l’entreprise. De la quantité, de la qualité et de la nature des informations accessibles dépendra la complexité du système et sa capacité à répondre aux grandes questions que l’on peut se poser. En fait plus que de « big data », nous aurions mieux fait de nous intéresser aux « big questions » au cours de ces dernières années.

Pour une fonction RH apprenante…

Ces données et informations, généralement et en grande partie incluses dans le SIRH (2) peuvent faire l’objet de traitements et notamment par l’utilisation des techniques de l’analytique RH (3). Grâce à ces techniques analytiques, l’on est en capacité d’identifier de nouvelles règles de gestion qui seront alors prises en compte dans le SIRH (4) par exemple : anticiper l’usure professionnelle à certains postes de travail et donc les mobilités pour éviter des problématiques de santé et donc de l’absentéisme dans le cadre de règles de gestion d’une GPEC. L’enrichissement régulier des données et informations traitées, nous fait rentrer de plein pied dans une logique de type « machine learning » (5). Nous assistons donc à un enrichissement régulier et permanent de nos modes de fonctionnement grâce aux données et informations structurées. Ces techniques sont aujourd’hui relativement éprouvées et donnent des résultats particulièrement intéressants quand elles sont déployées (notamment sur les thèmes de l’absentéisme, de la masse salariale, etc..). 

Toutefois, Managerix, avec l’aide de Statistix, aimerai dépasser ces approches très quantitatives. Principalement parce qu’un grand nombre des informations circulant au sein de la DRH sont à caractère qualitatif et non pas quantitatif et qu’un grand nombre de décisions, notamment en matière de formation, gestion des carrières, etc… sont partagées avec la ligne hiérarchique.

Des outils pour mieux se comprendre…

Des systèmes à base de techniques de type analyse ou notation sémantique sont alors utilisés (6). L’une des difficultés est que d’une entreprise, voire d’un site à l’autre les mêmes métiers ne sont pas intitulés de la même manière ou que des métiers ayant les mêmes intitulés ne recouvrent pas les mêmes réalités. Ces systèmes doivent permettre alors sur la base des vocabulaires métiers préalablement définis (ou identifiés grâce à des techniques de type machine learning) de « taguer » ou de « coter » des informations telles que les compétences détenues, les métiers, etc… dans tout type de documents, supports d’entretien, guides métiers, revues de personnel, souhaits de formation, etc... et sur la base de ces cotations de les ré-injecter dans les approches analytiques qui seront alors enrichies (3). Ces méthodes permettent par exemple de travailler aux parcours de carrière possible pour un individu, aux préconisations en matière de formation pour accéder à tel ou tel métier, etc… 

Ces techniques sont encore aujourd’hui peu déployées. Quelques grands éditeurs et startup développent actuellement avec des résultats très variables. Le bon fonctionnement et l’intégrité de ces applications étant particulièrement liés à la disponibilité, la qualité et la relative complétude des informations disponibles ainsi qu’à la qualité des référentiels/vocabulaires métiers utilisés ou construits.

Ces bases étant posées, la mise en place d’assistants conversationnels (7) également appelés « tchatbots », pourront permettre de répondre aux questions des collaborateurs et managers ou d’interagir avec eux pour venir compléter des informations incomplètes dans le système. De même la circulation et la qualification des informations échangées entre collaborateurs, managers et DRH pourront utiliser des techniques de type blockchain pour garantir l’effectivité, la sécurité et la confidentialité des informations échangées.

Horum omnium fortissimi sunt RH

Présenté ainsi, tout va bien … sauf que nous ne devons pas oublier que les technologies ont toujours été de très mauvais vecteurs de changement. La fonction RH ne doit plus être qu’une fonction support, le système d’information RH, lui permet de se transformer, d’être une fonction RH non pas uniquement augmentée (plus de la même chose) mais élargie (faire des choses différentes). Ce sont les usages, les hommes et les femmes des RH qui vont faire changer les choses, ce sont eux qui vont porter le changement et non pas les technologies. C’est notre pensée, notre maîtrise des contextes et des concepts qui feront la différence. Nous devons devenir une fonction d’impulsion, capable de faire bouger les organisations, les modes de fonctionnement avec les femmes et les hommes qui y participent.

La réussite de cette transformation, dépendra principalement de la manière dont on a considéré, enrichi, envisagé la RH comme étant une fonction professionnelle et essentielle dans le fonctionnement de l’entreprise, bien loin de l’image des clichés sur ces irréductibles gaulois…

Auteur

francois_geuze.png

Consultant Expert e-Consulting RH
Directeur Scientifique du HRFiabLab Europe
Animateur de www....

francois_geuze.png

François Geuze

Consultant Expert e-Consulting RH Directeur Scientifique du HRFiabLab Europe Animateur de www.e-rh....

Du même auteur

visuel_relations_sociales.jpg

Digital et crise sociale

visuel_relations_sociales.jpg

Digital et crise sociale

Digital et RH : la gestion d’une crise sociale Article co-écrit par François Geuze et Vincent...

Par François Geuze, le 27/05/2016

visuel_management_et_condition_de_travail9_adp.jpg

Résistance

visuel_management_et_condition_de_travail9_adp.jpg

Résistance

NDLR : Il n’aura échappé à personne que « l’Entreprise Libérée » agite depuis quelques mois des...

Par François Geuze, le 30/11/2015