Testez
maintenant vos connaissances en SEO, moteurs de recherche
et en référencement
Google a mis en place début janvier un questionnaire en ligne auquel doivent se soumettre tous les candidats à l’embauche (Voir notre article précédent). En se basant sur les réponses fournies, un algorithme calcule ensuite une note entre 1 et 100. Interview de cet économiste à l'Institut de recherches sociales, spécialiste du e-recrutement.
Pourquoi les gros recruteurs sont-ils à la recherche de solutions plus performantes pour trier les CV?
Avec Internet, candidater est devenu rapide et peu coûteux et les entreprises bénéficiant d'une image forte se trouvent submergées par le nombre de candidatures qu'elles reçoivent, de manière spontanée ou via annonce. Les volumes de candidatures augmentent fortement, y compris la part de CV non pertinents, c'est-à -dire de personnes ne correspondant pas au profil requis. L'analyse de cette masse d'information hétérogène devient problématique, d'où la mise en place de dispositifs de présélection des candidatures.
Parmi les voies possibles, quelle est celle explorée par Google?
Les dispositifs fondés sur le recueil de données "biographiques" (biodata) tendent effectivement à se répandre dans les grandes entreprises. Mais, habituellement, c'est une méthode standardisée qui est utilisée pour évaluer les informations biographiques pertinentes au regard de l'emploi. Google procède de manière différente : l'entreprise a mené une enquête auprès de ses employés, de manière à recueillir un large éventail de données biographiques qui ont été ensuite mises en relation avec une batterie d'indicateurs de performance de ces employés, de façon à déterminer statistiquement les variables biographiques pertinentes. En demandant aux candidats de renseigner ces mêmes variables et en appliquant aux données les coefficients obtenus sur les estimations réalisées à partir des données internes, Google pense ainsi pouvoir prédire le niveau de performance potentiel des candidats.
Quelle est son degré de pertinence?
Ce genre de solution peut a priori apparaître comme séduisante et correspond sans doute à la culture de Google. C'est une "boîte d'ingénieurs" qui a bâti son succès sur ses algorithmes de traitement automatique de l'information. Des modèles estimés à partir des données recueillies auprès des collaborateurs de Google, on ne sait que très peu de choses. Mais, sur le principe, et sans même entrer dans le débat sur le traitement automatique des candidatures, la méthode me semble peu pertinente. Elle présente de nombreuses imperfections.
Lesquelles ?
En premier lieu, la population des salariés en interne et celle des candidats sont de nature très différente. Cela paraît évident mais les employés de Google ont déjà fait l'objet d'une sélection puisqu'il ont été embauchés. Rien ne dit que leur niveau de performance n'est pas affecté par une variable "inobservée", c'est-à -dire non prise en compte dans le questionnaire mais qui a été déterminante lors de leur embauche, par exemple leur motivation telle qu'elle est apparue lors de l'entretien. Un candidat présentant des caractéristiques biographiques similaires à un employé "performant" chez Google, mais ne présentant pas cette fameuse caractéristique, risque de se révéler décevant...
C'est ce que l'on appelle en statistique un biais de sélection* induit par l'hétérogénéité individuelle non observée. En clair, les populations n'étant pas strictement comparables, il n'est pas rigoureux de tirer des conclusions sur les candidats à partir des modèles estimés sur la base de données internes. En second lieu, ce type de méthode est adapté aux emplois fortement standardisés. Si ce n'est pas le cas (et cela ne l'est vraisemblablement pas chez Google...), il faut alors estimer un modèle par type d'emploi, avec tous les problèmes de représentativité que cela peut induire et les difficultés méthodologiques qui s'ensuivent si l'entreprise n'a pas préalablement fait l'effort d'établir une cartographie précise de ses métiers.
Votre sentiment sur cette orientation?
Au-delà des questions de validité technique, les méthodes de ce type me posent deux problèmes. D'une part, elles laissent à penser qu'il peut y avoir un recrutement parfaitement neutre et objectif, presque "scientifique". C'est évidemment faux. D'autre part, elles sont fondées sur le fait qu’il est lequel il est bon de reproduire les profils dont on dispose déjà en interne. Or on considère plutôt habituellement que la diversité est source de créativité...
Il y a tout de même au moins un résultat intéressant dans l'étude que Google a menée auprès de ses employés : elle montrait que l'importance donnée jusque-là par l'entreprise à l'excellence académique n'est pas systématiquement facteur de "performance". Une utilisation intelligente de ces résultats pourrait être simplement de donner pour consigne aux recruteurs de ne pas sur-pondérer ce critère dans leurs décisions d'embauche. Mais cela laisserait bien sûr entier le problème du filtrage des candidatures, qui me semble être la motivation première de la mise en place de ce dispositif.
