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

Maitriser ses compétences, c'est maitriser son Strategic Workforce Planning

Maitriser ses compétences, c'est maitriser son Strategic Workforce Planning

Le Strategic Workforce Planning (SWP) est un effort de planification par lequel les entreprises évaluent l’impact de leur stratégie sur leur paysage de ressources humaines d’une part, et entreprennent de combler l’écart entre la situation souhaitée de leur business plan et celle réelle de leurs bassins de ressources humaines d’autre part. La plupart des entreprises en ont aujourd’hui une approche capacitaire, c’est à dire que leurs efforts de SWP sont orientés vers une réflexion quantitative portant sur l’allocation de ressources à des postes A ou B (10 électroniciens en plus, 5 chefs de projets en moins, etc.). Le mérite de cette approche est qu’elle repose sur un indicateur simple compréhensible par tous - la quantité de personnes occupant un poste A - et que le facteur d’incertitude principal est clairement identifié : la définition d’un métier à une échelle de temps donné (i.e. que deviendra tel métier dans 2, 3, 5 ans).

Lire la suite

Data visualisation : exploiter toute l’intelligence des données sociales….

Data visualisation : exploiter toute l’intelligence des données sociales….

La restitution comme l’analyse des données n’est aujourd’hui plus l’apanage du marketing ou du commerce. Cette activité s’étend désormais très largement au domaine des Ressources Humaines.

Les managers RH sont devenus de véritables protagonistes attachés à la production de reportings sexy et d’analyses plus efficientes. Ils participent en cela autant à la définition de la trajectoire stratégique globale qu’au management quotidien de la performance.

Ici comme ailleurs, l’importance d’un reporting performant prend tout son sens. Alors pourquoi et comment réaliser un reporting efficace dans le cadre d’une stratégie RH pertinente ? Et donc comment extraire des données du SIRH toute leur «intelligence» ?Nous nous efforcerons d’y apporter une réponse.

Lire la suite

Ce qui ne se mesure pas, ne s ’améliore pas : piloter son dashboard recrutement

Ce qui ne se mesure pas, ne s ’améliore pas : piloter son dashboard recrutement

Aujourd’hui le métier de recruteur est un métier qui englobe une palette très large et variée de missions. Un recruteur doit savoir entre autre :

  • Centraliser et rédiger les besoins en recrutement de manière attractive
  • Créer, gérer et mesurer le plan stratégique de communication de diffusion des annonces,
  • “Être ambassadeur de son entreprise”, être capable de retranscrire les valeurs et les attentes de l’entreprise et s’assurer qu’elles soient en accord avec celles du candidat.
  • Impliquer efficacement les managers.
  • Et pleins d’autres actions autour du recrutement...

Lire la suite

HR Analytics, le levier ultime du RH augmenté

HR Analytics, le levier ultime du RH augmenté

Le paysage des RH est aujourd’hui particulièrement contrasté en terme d’équipement en solutions RH. Un décalage subsiste entre une proportion encore importante de sociétés fonctionnant avec des tableaux Excel et d’autres ayant implémenté les atouts de l’intelligence artificielle, de la blockchain et encore d’autres technologies désormais associées aux RH.

Lire la suite

Philosophie et IA

Pourquoi un philosophe s’intéresse-t-il à l’Intelligence artificielle ?

L’intelligence a toujours posé question à la philosophie, de même que la technologie qui, depuis au moins un siècle, se trouve au centre des préoccupations. La combinaison de l’intelligence et de la technologie est ainsi doublement philosophique. Des philosophes comme Aristote et Leibniz l’ont anticipé. Actuellement, les débats sur l’intelligence artificielle ont deux dimensions. La première est épistémologique : elle cherche à interroger la part « intelligente » de l’intelligence artificielle. Si la capacité pour une machine d’émuler l’intelligence humaine la rend véritablement intelligente, cette dernière caractéristique doit-elle être entendue comme une qualité, ou juste comme une capacité ? Un dispositif capable de comportements intelligents a-t-il cette qualité qu’est l’intelligence, voilà la question. La seconde dimension du débat contemporain est plus prospective et sociale. Elle interroge les conséquences humaines et civilisationnelles des évolutions actuelles du couple humain-machine, avec aussi bien le spectre d’un chômage accru et d’un remplacement du travail humain par le travail machinique, que les espoirs transhumanistes, souvent utopistes, d’une humanité régénérée par ses outils. Toutes les questions soulevées par le progrès depuis deux siècles se retrouvent dans ce débat, exacerbé par les exemples toujours plus nombreux de robotisation de certaines activités.

Nous vivons actuellement une transformation majeure de société intrinsèquement liée à la large révolution scientifique et technologique que constitue mes NBIC qui sont l’interconnexion croissante entre « l'infiniment petit (N), la fabrication du vivant (B), les machines pensantes (I) et l'étude du cerveau humain (C)[1] ». Ces NBIC correspondent à la convergence de différentes sciences qui, jusqu’alors, étaient des disciplines autonomes. Les Nanotechnologies permettent d’accéder à l’infiniment petit, le milliardième de mètre, correspondant à l’atome. A ce niveau, on peut modéliser l’ensemble de notre monde, physique comme tout le monde vivant, humain compris, dans tous les processus de modélisation jusqu’au vivant.

Maître vous avez la parole…

Faut-il instaurer un régime juridique spécifique pour les robots ? Question saugrenue à première vue.

Mais, auriez-vous pensé  un jour retrouver les lois de la robotique élaborées par Isaac Asimov dans une proposition de résolution du Parlement européen ? Et bien non, ce n'est pas de la science-fiction: elles figurent en bonne place (page 5/24) dans le rapport Delvaux ayant soumis à la Commission juridique européenne des recommandations concernant les règles de droit civil sur la robotique.

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 ?

Transformation numérique, technologies, intelligence artificielle ...