En partenariat avec UNLEASH, Textkernel partage les dernières informations sur la façon d’utiliser vos données organisationnelles, les compétences de votre main-d’œuvre en place et l’IA afin de développer de nouvelles stratégies de talents face à la pression du marché de l’emploi.
Regarder à la demandeRegarder le webinaire à la demande (en anglais)
Les conférenciers
Stephan Menge, Vice-président des ventes pour l’Europe chez Textkernel et Grant Telfer Directeur des ventes pour le Royaume-Uni et l’Irlande chez Textkernel discutent de la manière de contourner les inadéquations actuelles entre les candidats et les postes, et la mauvaise compréhension (souvent) des organisations quant aux compétences qu’elles possèdent déjà, grâce à une technologie automatisée qui peut étayer les solutions actuelles et futures en matière de stratégie des talents.
Les données peuvent éclairer et améliorer
Pour comprendre comment améliorer la stratégie en matière de talents, il est essentiel de comprendre d’abord où se situent les difficultés. C’est là que les données entrent en jeu. Tout d’abord, les données montrent que, quel que soit l’endroit où une entreprise opère – que ce soit en Asie, en Europe ou aux États-Unis – la pénurie actuelle de main-d’œuvre est l’une des principales préoccupations des chefs d’entreprise. À cela s’ajoute l’augmentation du nombre d’offres d’emploi, qui ne montre aucun signe de ralentissement. Pour intensifier le problème du recrutement, il semble que le marché de l’emploi pour les recruteurs eux-mêmes soit également en pleine expansion, les entreprises cherchant à s’attacher les services de ceux qui sont les plus à même d’attirer les talents les plus recherchés. Les entreprises confrontées à cette situation peuvent avoir l’impression d’être prises entre le marteau et l’enclume, mais le fait de le savoir leur permet au moins de s’attaquer au problème qui se pose.
Il n’y a pas que les macro-tendances mondiales que les données peuvent aider à résoudre. Comme l’explique Menge, les données agrégées sur le marché de l’emploi peuvent aider les organisations à déterminer quelles sont les compétences les plus recherchées. Cela peut indiquer aux organisations les compétences dont elles pourraient avoir besoin – les compétences les plus demandées sont une indication de la direction que pourrait prendre l’industrie – et où la concurrence est susceptible d’être la plus forte. Par exemple, au Royaume-Uni, il est probable que, selon les données de marché de Textkernel, les entreprises se disputeront les candidats possédant les compétences non techniques les plus demandées, telles qu’une bonne communication, la motivation personnelle et la capacité à travailler en équipe.
Les données peuvent également mettre en évidence des tendances que les entreprises ne savaient peut-être même pas qu’elles avaient besoin de connaître, telles que l’impact de la taille de l’entreprise sur les compétences qu’elle recherche. De même, les données peuvent nuancer la stratégie de recrutement d’une entreprise. Par exemple : alors qu’une entreprise peut utiliser des titres tirés d’ensembles de données pour comprendre qu’elle a besoin de compétences agiles, l’analyse approfondie de ces données peut montrer qu’il s’agit d’une compétence plus souhaitable pour ceux qu’elle veut embaucher dans son département informatique plutôt que dans son département des ressources humaines.
Données de recrutement : C’est comme le football !
Alors, où vont ces données ? Les équipes de football de haut niveau utilisent des données pour créer des profils des compétences et des capacités les plus nécessaires pour obtenir les meilleures performances dans un rôle spécifique. C’est un élément nécessaire de la gestion des performances et de la stratégie de recrutement, compte tenu de la forte concurrence entre les clubs de haut niveau. Et, comme l’a expliqué M. Menge lors du webinaire, cela leur permet de savoir s’ils doivent se tourner vers l’intérieur pour améliorer les compétences ou vers l’extérieur. En comprenant les compétences critiques nécessaires pour réussir dans un rôle donné, les équipes sont alors en mesure de s’y adapter. Si les organisations adoptent ce comportement sur le long terme, en mesurant également des éléments tels que le salaire, elles peuvent voir comment la rémunération et les compétences futures peuvent évoluer. En effet, comme l’a expliqué M. Menge, le football professionnel ne consiste plus à recruter un joueur uniquement parce qu’il a obtenu de bons résultats à un poste similaire dans un autre club. Le monde de l’entreprise doit lui aussi penser de la sorte. Elles doivent aller au-delà des titres de poste et de l’expérience passée et s’intéresser aux compétences d’une personne et à la manière dont elles peuvent correspondre au profil de compétences qu’elles possèdent déjà au sein de leur propre main-d’œuvre. Comme l’a ajouté Telfer, c’est peut-être là qu’il faut travailler : un endroit où les rôles sont moins spécifiés et où les bonnes personnes avec les bons profils de compétences existent au sein d’une organisation, que ce soit par le biais de l’embauche ou du développement, et sont utilisées pour un travail de projet spécifique.
Passer de la taxonomie à l’ontologie
Toutefois, cette application des données n’est possible, a expliqué M. Telfer, que si une organisation comprend parfaitement les compétences auxquelles elle a accès. La plupart des organisations disposent probablement d’une taxonomie des compétences (différenciant les compétences techniques, les compétences non techniques, les compétences linguistiques et les sous-catégories spécifiques qui les sous-tendent) ainsi que d’une taxonomie professionnelle, qui regroupe les rôles en groupes et en classes, par exemple un spécialiste DevOps qui appartient globalement à la classe IT.
Pourtant, il est difficile de faire correspondre les taxonomies des compétences et des professions d’une manière utile, pour informer le meilleur recrutement et le développement interne. C’est un problème auquel les organisations sont confrontées et qui peut constituer un angle mort. C’est là que l’utilisation d’une ontologie des compétences professionnelles peut s’avérer utile. Étayée par des données, elle peut montrer les relations entre les professions et les compétences au sein d’une organisation, donnant aux RH la capacité de voir les lacunes et les mouvements latéraux potentiels auxquels ils n’auraient pas accès autrement. Par exemple, elle peut permettre à un spécialiste du marketing d’occuper un poste dans un domaine autre que le marketing parce que ses compétences et son expérience correspondent à ce que ce rôle spécifique exige.
Toutefois, cette application des données n’est possible, a expliqué M. Telfer, que si une organisation comprend parfaitement les compétences auxquelles elle a accès. La plupart des organisations disposent probablement d’une taxonomie des compétences (différenciant les compétences techniques, les compétences non techniques, les compétences linguistiques et les sous-catégories spécifiques qui les sous-tendent) ainsi que d’une taxonomie professionnelle, qui regroupe les rôles en groupes et en classes, par exemple un spécialiste DevOps qui appartient globalement à la classe IT.
Pourtant, il est difficile de faire correspondre les taxonomies des compétences et des professions d’une manière utile, pour informer le meilleur recrutement et le développement interne. C’est un problème auquel les organisations sont confrontées et qui peut constituer un angle mort. C’est là que l’utilisation d’une ontologie des compétences professionnelles peut s’avérer utile. Étayée par des données, elle peut montrer les relations entre les professions et les compétences au sein d’une organisation, donnant aux RH la capacité de voir les lacunes et les mouvements latéraux potentiels auxquels ils n’auraient pas accès autrement. Par exemple, elle peut permettre à un spécialiste du marketing d’occuper un poste dans un domaine autre que le marketing parce que ses compétences et son expérience correspondent à ce que ce rôle spécifique exige.
Pour pouvoir s’orienter vers l’approche susmentionnée, les RH doivent revenir aux fondamentaux et comprendre quelles données pourraient avoir une utilité lorsqu’il s’agit d’essayer de s’orienter vers cette approche ontologique.
Il serait utile d’extraire des données des CV, des évaluations de performance, des lettres de recommandation et des offres d’emploi également. C’est là que l’IA peut également jouer un rôle. En utilisant l’IA, elle peut suggérer quelles compétences sont implicites dans des rôles spécifiques, que les RH pourraient manquer, et peut aider à normaliser et à analyser différentes expériences pour donner aux RH une vision plus claire des informations qu’ils ont devant eux. Cela pourrait permettre aux RH de créer un inventaire des compétences dont elles disposent, en examinant ce qu’elles ont, les domaines dans lesquels elles doivent renforcer leurs compétences en interne et ceux dans lesquels elles pourraient avoir besoin d’aller à l’extérieur. Elle peut également voir comment ces choix interagissent avec les mesures de DE&I.
Cette approche peut également être inversée. Si cette approche ontologique fondée sur les données et l’IA est ensuite réunie dans un portail grand public, les individus pourraient télécharger leur CV et avoir la possibilité de comprendre les compétences qu’ils n’ont peut-être pas eux-mêmes, ainsi que les opportunités de carrière et de mise en réseau qu’ils n’auraient peut-être pas pensé à suivre. Et s’ils n’en sont pas encore là, le portail peut également leur montrer les compétences, la formation et les possibilités de mentorat dont ils pourraient avoir besoin s’ils veulent suivre une autre voie professionnelle.
