Soixante pour cent. C’est la proportion de tâches de la fonction RH que l’intelligence artificielle pourrait optimiser (création de chartes, rédaction de fiches de poste, recherches sur LinkedIn, référentiel dynamique de compétences, etc.). Ce chiffre vient d’une étude menée par Indeed, avec l’université de Cambridge, sur 48 millions d’offres d’emploi, 2 900 compétences et 450 métiers. C’est dire si les DRH sont challengées par cette technologie.
Eric Gras compare cette promesse d’automatisation avec une évolution qui a eu lieu chez Decathlon. L’arrivée des caisses en self-service qui lisent seules les étiquettes n’a pas réduit les effectifs. Il ne faut à présent qu’un ou deux « caissiers » pour gérer une dizaine de caisses. Et les effectifs ont été redéployés vers le conseil en rayon, là où les clients les attendaient vraiment.
« C’est exactement ce qui va se passer avec la fonction RH », anticipe le responsable d’Indeed.
La data d’abord, l’IA ensuite
Mais avant d’en arriver là, « l’IA aura besoin de matière pour donner sa pleine puissance », rappelle Julien Muller, CTO de PeopleSpheres.
La structuration des données RH conditionne en effet la capacité des algorithmes à apprendre, à contextualiser, puis à automatiser. Sans elle, même les meilleurs outils tournent à vide. Si cette étape n’est pas faite, vous n’aurez que des réponses très limitées, cantonnées à un périmètre étroit », insiste Julien Muller. « L’enjeu premier est de structurer la donnée, de la mettre en conformité », abonde Mathilde Le Coz.
La question du volume est aussi déterminante. Une IA entraînée sur un échantillon trop réduit produira des résultats peu représentatifs, voire trompeurs. Tout comme pour les sondages, compare Eric Gras.
« L’IA aura besoin de matière pour donner sa pleine puissance. [Sinon], vous n’aurez que des réponses très limitées. »
Julien MullerCTO de PeopleSpheres
« Je crois beaucoup à l’IA agentique. Mais nous n’y sommes pas encore. Le premier frein reste la data », confirme de son côté Mathilde Le Coz, présidente du Lab RH. « Notre profession n’est pas toujours à l’aise [avec ces sujets] », constate-t-elle.
Si les grands groupes ont des experts SIRH et data, l’histoire est différente dans les structures de plus petites où la question des données RH est souvent un angle mort.
« C’est un vrai enjeu, parce que si vous n’avez pas ces expertises, l’IA ne sert à rien. Elle va même faire beaucoup de bêtises », prévient-elle.
Ce retard viendrait en partie du fait que pendant des années, les DRH ont acheté des solutions SaaS sans nécessairement comprendre les IA qui y étaient encapsulées. « On laissait ça aux experts techniques », reconnaît Mathilde Le Coz.
Et selon elle, les organisations qui ont construit leur architecture en mode best-of-breed – en assemblant par exemple un ATS, un outil de paie, un core RH et d’autres applications (comme elle l’a fait chez Mazars) – ont eu le mérite d’anticiper de bonnes questions : comment la donnée circule-t-elle d’un outil à l’autre ? Y a-t-il des silos ? Comment faire des ponts entre les applications ? Qui est responsable de quelle donnée ?
Le risque des biais amplifiés
« Si vous n’avez pas un comité éthique pour corriger les éventuelles dérives en vous appuyant sur les données, vous courrez un risque majeur. »
Eric GrasHead of Talent Intelligence chez Indeed
La qualité de la donnée, surtout dans les RH, est aussi une question d’éthique. « Si vous prenez un outil qui ingurgite ce que vous avez fait pendant des années […], elle va augmenter les biais qui existent déjà », prévient Eric Gras.
Or les biais, conscients ou non, sont inhérents à toute organisation humaine et particulièrement présents dans le recrutement.
« Si vous n’avez pas un comité éthique pour surveiller l’outil, mesurer ses effets dans le temps et corriger ses éventuelles dérives en vous appuyant sur les données, vous courrez un risque majeur. »
Passer l’IA à l’échelle dans les RH suppose aussi de « faire travailler les experts métiers avec l’IT », ajoute Mathilde Le Coz.
Ce rapprochement implique que les DRH apprennent un nouveau vocabulaire – dont celui des données. Son objectif est d’arriver à des outils « sur mesure ». C’est en tout cas ce que promet l’IA agentique.
« Je crois beaucoup à l’IA agentique. Mais nous n’y sommes pas encore. Le premier frein reste la data. »
Mathilde Le CozPrésidente du Lab RH
« Dans dix ans on peut penser que, plutôt que d’acheter des outils, [les RH] développeront des agents avec des experts techniques », projette Mathilde Le Coz.
Elle distingue cependant deux types d’agents. Les « petits », qu’un RH peut construire lui-même avec un Claude pour automatiser une tâche et les agents complexes, qui touchent à des processus structurants et qui nécessiteront des experts techniques.
L’évolution est déjà en cours. La barrière à l’entrée pour répliquer des workflows complexes – aujourd’hui réservée aux grands éditeurs comme SAP ou Workday – s’abaisse mécaniquement avec ces agents, souligne le CTO de PeopleSphere.
« Le SIRH, tout intégré, figé, je crois qu’ils ont des soucis à se faire », acquiesce Mathilde Le Coz. « Je crois que tous ces éditeurs sont d’ailleurs en train de se poser ces questions. »
Mais les DRH ne se passeront pas pour autant de SAP ou de Workday (ou de PeopleSphere, qui organisait la table ronde) avant longtemps. « L’IA ne les remplacera pas », ajoute immédiatement la responsable du Lab RH. « Simplement, ces plateformes seront plus ouvertes et elles nous aideront à créer des agents. Mais il faudra toujours des plateformes de données pour structurer et sécuriser tout cela. ».
