Intelligence Artificielle : Salesforce voit bien Einstein en outil prédictif RH

Salesforce souhaite que les départements RH essaient son Intelligence Artificielle. L'éditeur affirme en effet que ses outils low-code permettent de créer facilement des solutions prédictives appliquées aux données des salariés. Tout en assurant dans le même temps qu'il n'essaie pas de devenir un éditeur de SIRH/HCM.

Ceci étant, lors de la présentation de ses nouveaux Einstein Predictions Services - rapides à développer, martèle l'éditeur -, c'est bien sur une application RH à base d'intelligence artificielle pour mettre à jour les risques d'attrition du personnel, que Salesforce a mis l'emphase.

La plateforme Einstein - dans sa version « do-it-yourself » - permet effectivement aux développeurs de créer des outils HR « intelligents » sans avoir à recourir à un Data Scientist, difficile à trouver et coûteux.

En résumé, Salesforce veut faire savoir que son intelligence artificielle peut être infusée dans des systèmes tiers comme des ERP, ou donc des HCM. Reste que son prochain défi sera de convaincre les professionnels RH d'utiliser Einstein, plutôt que les capacités intégrées à leurs outils de prédilection.

« [Ces fonctionnalités de Salesforce] peuvent être utilisés pour les ressources humaines, mais c'est peu probable que les RH le fassent », tempère Josh Bersin, analyste RH indépendant.

Celui-ci souligne que l'utilisation des capacités prédictives et d'IA de Salesforce se fait l'immense majorité du temps dans les applications... de Salesforce. « Il existe par exemple des données dans Salesforce qui permettent d'analyser les comportements des meilleurs vendeurs et responsables commerciaux », illustre-t-il.

Mais en ce qui concerne les ressources humaines au sens large, « je n'ai jamais rencontré une seule DRH qui utilisait Einstein. S'ils veulent pousser [ce genre d'offres], ils vont devoir la concevoir et la commercialiser avec des partenaires spécialisés ».

Bien que Salesforce propose aujourd'hui des fonctionnalités et des outils de développement utilisables par les ressources humaines, « nous n'essayons pas d'être un SIRH », confirme Allison Witherspoon, Senior Director de Einstein AI et de l'analytics chez Salesforce. Salesforce souhaite juste mettre son expertise en matière d'IA à la disposition d'autres « environnements », dont les RH, ajoute-t-elle.

Ben Eubanks, analyste chez Lighthouse Research & Advisory, estime pour sa part que Salesforce prend les ressources humaines comme exemple pour son prédictif « en raison de l'abondance des données comportementales disponibles dans l'entreprise ».

« D'un point de vue plus pratique, chaque dirigeant - quelle que soit sa fonction - s'inquiète dans une certaine mesure de l'attrition. Donc c'est plutôt facile à vendre », ajoute-t-elle.

Toujours selon Salesforce, la précision des prévisions peut varier d'un cas à l'autre. L'éditeur fournit les moyens de construire une application RH à base d'AI, mais tout repose sur les données et les processus métier du client, avertit Allison Witherspoon.

Parmi les applications possibles, Einstein aurait des capacités « anti-biais ». L'algorithme peut par exemple trouver des champs qui s'avèrent être un proxy de l'origine ethnique - comme les codes postaux.

De plus en plus de fournisseurs de SIRH embarquent des outils prédictifs en natif. Mais pour Allison Witherspoon, Einstein pourrait encore combler les lacunes de certaines offres, comme celle de Workday.

« Workday ne permet pas de prédire l'attrition », avance Allison Witherspoon. « Salesforce, si ». Workday contredit cette affirmation.

Barbry McGann, VP de la stratégie produits de Workday, rétorque que son HCM/SIRH  possède bien des fonctions de Machine Learning qui « identifient et permettent de comprendre rapidement les départs potentiels de salariés dans l'ensemble de l'organisation ou pour un département spécifique - dont ceux des employés à haut potentiel au cours de l'année à venir et les coûts induits pour les remplacer le cas échéant ».

Barbry McGann indique également que Workday peut fournir des recommandations, par exemple en suggérant de meilleures progressions de carrières via l'analyse de facteurs comme la durée pendant laquelle les anciens employés « à fort risque de départ » sont finalement restés en prenant tel ou tel nouveau poste.