• Tipeee

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

Gestion des compétences : tout dépend de la qualité et de la quantité des données

Gestion des compétences : tout dépend de la qualité et de la quantité des données

Nous entendons de plus en plus que les compétences de demain n’existent pas encore et que de nouveaux métiers vont apparaître… mais nous oublions souvent de continuer cette analyse : en effet, les personnes qui auront ces compétences et qui feront ces métiers demain, sont pour la grande majorité déjà dans l’entreprise. Il convient donc d’accompagner les montées en compétences de ses collaborateurs pour répondre demain au besoin grandissant de planification stratégique des effectifs.

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

Qui a dit que la Marque Employeur n’aimait pas les chiffres ?

Qui a dit que la Marque Employeur n’aimait pas les chiffres ?

Vous vous posez peut-être (encore) la question sur ce qui fait le succès de la Marque Employeur? Un effet de mode, une nouvelle lubie du marketing, une propagande de la part d’agences de communication?

Un simple chiffre vous présente le contexte et démontre la relation forte entre développement, efficacité de l’entreprise et recrutement : 83% des PME et ETI reconnaissent rencontrer des difficultés de recrutement & 72% pensent que ces difficultés ralentissent leur développement. La marque employeur est devenue centrale pour répondre aux enjeux de recrutement

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 ...