Qui comprend le big data dans le recrutement ?

Qui comprend le big data dans le recrutement ?

Qui comprend le big data dans le recrutement ?

Qui comprend le big data dans le recrutement ?

7 minutes de lecture
Partager sur linkedin
Partager sur facebook
Partager sur twitter

Big Data par-ci, Big Data par-là : l’expression est d’un des plus grands buzzwords des dernières années. Personnellement, je n’ai jamais rien compris à aucune conférence traitant de Big Data et de recrutement. Je me rappelle d’un #TruParis où j’écoutais le sujet en me demandant si l’orateur lui-même comprenait ce qu’il disait.

Car au final, tout le monde y va de son acceptation de la définition et la discussion devient très compliquée puisque l’on ne partage pas de définition commmune.

Et ma conviction c’est que personne ne comprend rien dans l’audience, mais personne n’ose le dire par peur d’avoir l’air bête.

J’ai été invité, par Yatedo, il y a un peu plus d’un mois à intervenir sur le sujet. Autant vous dire que c’était mon cauchemar ! Que quelqu’un me demande mon avis en public sur le Big Data.

J’ai donc commencé par lire la définition dans Wikipedia et tout s’est éclairé :

Le big data, désigne des ensembles de données qui deviennent tellement volumineux qu’ils en deviennent difficiles à travailler avec des outils classiques de gestion de base de données ou de gestion de l’information.

On a donc un concept dont la définition est totalement technique. Pire encore, c’est une définition négative.

Ne me parlez pas du moteur de la voiture

Au début de l’informatique, quand on vendait l’ordinateur on vendait les caractéristiques techniques : puissance du processeur, taille de la mémoire, etc.

Je me rappelle encore quand j’avais 5-6 ans on m’expliquait que le Pentium II c’était beaucoup mieux que le Pentium I parce que le processeur était de 333 MHz au lieu de 150 MHz.

OrdinateurAncien

Et je frimais à l’école parce que mon père nous avait acheté le dernier. Je me rappelle qu’on vendait les modems par débits. Et quelques années plus tard j’étais comme un fou parce que mon père avait jeté le modem 56k pour passer au 1024k (ce qu’on appelait l’ADSL).

Cette focalisation sur les aspects techniques est typique des technologies qui ne sont pas encore tout à fait mûres. Aujourd’hui, plus personne ne se pose la question du débit de son « modem » et la plupart des gens sont desormais incapables de donner la fréquence de leur processeur.

Quand quelqu’un vous parle de Big Data c’est comme quand quelqu’un vous parle d’un superordinateur. L’utilisateur lambda n’en a que faire. L’iPhone 4 (qui commence à dater) est aussi puissant que le plus puissant des superordinateurs de 1985.

Et pourtant, rares sont les personnes qui achètent un smartphone parce qu’il a une plus grande puissance de calcul qu’un autre (même si ça existe).

Que l’ordinateur soit super ou pas, en tant qu’utilisateur je m’en contrefiche. De même que ma data soit big ou pas, je m’en fiche.

La vraie puissance des données

Attention, je ne nie pas que le sujet soit crucial de la même manière que les ordinateurs ont joué un rôle phénoménal dans nos vie. Ce que je dis c’est que tant qu’on continue à parler de Big Data c’est que la technologie n’est pas prête à l’adoption par la majorité. Je ne dis pas non plus qu’il faille sauter cette phase où l’enthousiasme des adopteurs précoces fait avancer le sujet. C’est grâce à ceux que les Mhz passionnaient que maintenant nous n’avons plus à nous en préoccuper.

En revanche, il ne sert à rien de se complexer parce qu’on ne comprend pas les articles et les conférences sur le Big Data et le recrutement.

Le pourquoi prime sur le quoi

Ce qui m’intéresse en tant qu’utilisateur lambda ce n’est pas le quoi, c’est le pourquoi. Et le pourquoi, ici, c’est de contredire l’intuition et l’évidence. D’aller au-delà des sens. Le vrai impact des données c’est de nous permettre de surpasser l’évidence des sens.

C’est l’intérêt de la fameuse étude d’HBR qui tentait de démontrer qu’un recruteur aidé d’un algorithme était bien meilleur qu’un recruteur qui recrute sans. Les données ici servent à contrecarrer nos biais. Car nous sommes, par nature, biaisés.

Mesurer les données

Google fait partie des pionniers en la matière. Et c’est grâce à une démarche orientée données qu’ils ont finalement annoncé que leur processus d’entretiens avec une quinzaine d’entretiens devait changer car l’impact statistique des entretiens, après le 5ème, était négligeable.

Dans l’excellente vidéo d’Olivier Sibony sur les biais, l’intérêt d’utiliser des données devient clair : pouvoir découvrir des choses que nos biais nous empêchent de voir.

Et ça demande une vraie culture de la mesure, totalement indépendante des outils. Combien d’entre nous mesurent actuellement leur taux de retour sur les messages d’approche par exemple ?

Croiser les données

L’intérêt direct c’est de pouvoir croiser des données et en déduire des choses qui échappent aux sens. Par exemple, il paraît que Google a mis au point un algorithme qui est capable de prédire la démission de ses employés.

TarotDuFutur

Parfois même avant qu’ils en soit eux-mêmes conscients. Je ne sais pas comment ils font mais en croisant le volume des emails envoyés par jour avec l’heure d’allumage de l’ordinateur, les notes des entretiens avec les managers et les durées de vie moyennes dans un poste donné, on doit pouvoir obtenir quelque chose d’intéressant en effet.

C’est donc ici l’intérêt prédictif qui est au coeur. Ce n’est pas pour rien si le recrutement prédictif est sur toutes les lèvres. Que ce soit du Big Data ou pas je m’en fiche, ce qui est clé c’est que ce soit prédictif ou pas.

Agréger les données

L’autre intérêt c’est de pouvoir synthéthiser un volume de données important en quelque chose de digeste pour un cerveau humain.

ReunionDonnees

Ce qui permet au final pour un recruteur de trouver des candidats qu’il ne trouverait pas sans l’outil car il serait noyé sinon.

Conclusion

Tant qu’on vous parle de Big Data c’est qu’on y est pas encore.

Le bon outil Big Data c’est celui qui ne mentionne pas son nom. Revenons à l’exemple de l’iPhone. Quand Apple met au point son appareil, la question du nom surgit. Il n’y avait rien d’évident à l’appeler iPhone : après tout c’est davantage un petit ordinateur qui peut téléphoner. D’ailleurs, la première fois que les gens de chez Blackberry ont vu un iPhone ils se sont exclamés « si ce truc fonctionne on ne sera plus en concurrence avec un Nokia mais avec un petit Mac(intosh) ! »

L’iPhone s’appelle iPhone et les smartphones s’appellent smartphones car on véhicule le pourquoi plutôt que le quoi. Personne ne veut entendre parler de Big Data, ce qu’on veut c’est un produit prêt qui nous serve à quelque chose.

CouteauSuisse

En tout cas rassurez-vous car si, comme moi, vous ne comprenez rien aux conférences et aux articles sur le Big Data, vous n’êtes pas seul(e) !

Vous voulez suivre la meilleure formation sur le recrutement et le sourcing ? Vous voulez trouver les bons candidats ?

Formez-vous avec les meilleurs du recrutement sur #LEDR Pro et devenez certifié !

Commentaires

    1. Merci 😀

      Oui, j’ai justement lu cet article (et huit autres de la série) pour rédiger le mien ^^. L’effort de clarté est plus que louable mais je n’y comprends toujours pas grand chose au fond du fond. J’ai toujours l’impression qu’on est en train de m’expliquer ce qu’il y a sous le capot d’une voiture. C’est très bien et il faut que des gens s’y intéressent. Mais tout ce qui m’intéresse moi c’est de rouler.

Laisser un commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Ce site utilise Akismet pour réduire les indésirables. En savoir plus sur comment les données de vos commentaires sont utilisées.