• Tipeee

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

Numéro X, numéro 10, numéro 1010 ou numéro A ?

Numéro X, numéro 10, numéro 1010 ou numéro A ?

Les chiffres romains étaient utilisés dans l’antiquité. Cette numérotation ne connaissait pas le zéro, elle repose sur sept lettres I,V,X,L,C,D et M. A l’heure actuelle, on se sert encore de ces chiffres en lettres pour inscrire les siècles et les millénaires, pour indiquer l’heure des horloges et des montres, mais aussi pour dater la construction des maisons, ou pour nommer les souverains comme Louis XIV par exemple. Cette utilisation purement esthétique n’a pas été le choix du magazine RH !

Lire la suite

La «DATA» et les «RH»

La «DATA» et les «RH»

Data, données, informations disponibles…

cette matière se présente sous plusieurs formats et variétés (texte, vidéo, sons, chiffres) et peut être analysée et utilisée en volume à l’aide d’outils dédiée.

La data est devenu le mot à la mode dans le monde qui se digitalise. En effet, les données sont la matière première du digital, le modèle digital a remplacé les modèles d’organisations traditionnelles et avoir des informations s’avère précieux.

Mais encore faut-il les analyser correctement et savoir les rendre «intelligentes» afin qu’elles nous épaulent efficacement dans la résolution de problématiques même complexes.

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

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 ...