Comment l’automatisation nouvelle génération aide les recruteurs à identifier les talents qualifiés à grande échelle

Alors que la Grande Démission ne montre aucun signe de relâchement, les recruteurs recherchent toute l’aide possible pour reconstituer leurs effectifs avec des talents qualifiés. Le marché de la gestion des ressources humaines (GRH), y compris les logiciels et services d’acquisition de talents, est actuellement évalué à près de 20 milliards de dollars.

Il devrait croître à un taux de plus de 12 % par an jusqu’en 2028 grâce à la poursuite de la numérisation et de l’automatisation des opérations de recrutement et des RH.

Partout dans le monde, les entreprises mettent l’accent sur la création et la fidélisation du bassin d’employés les meilleurs, les plus brillants et les plus diversifiés. Comme on pouvait s’y attendre, les progrès de l’intelligence artificielle (IA), de l’apprentissage automatique (ML) et de la modélisation prédictive offrent aux entreprises – ainsi qu’aux petites et moyennes entreprises – une opportunité inédite d’automatiser leur recrutement même lorsqu’elles font face à des changements radicaux dans pratiques en milieu de travail impliquant le travail à distance et hybride.

En réalité, quatre recruteurs sur cinq interrogés dans une étude Entelo pensent que la productivité augmenterait si elles pouvaient automatiser complètement la recherche de candidats. Ils étaient unanimes à penser que disposer de plus de données les aiderait à qualifier les candidats, à évaluer les bassins de candidats, à améliorer la sensibilisation et à perfectionner les flux de travail d’embauche. Malgré cela, 42 % n’avaient pas les données ou le temps de mettre en œuvre ou d’approfondir les analyses, et encore moins de transformer les données en informations.

Entrez dans les solutions d’automatisation du recrutement.

Qu’est-ce que l’automatisation du recrutement et comment peut-elle aider ?

La gestion des ressources humaines ou des personnes en tant que fonction commence avec l’embauche. Chaque jour, un poste ouvert reste insatisfait, ce qui coûte aux entreprises profit et productivité. Des outils intelligents basés sur l’IA peuvent recueillir des données pertinentes sur les candidats, les mettre à la disposition des recruteurs, puis les traiter avec précision pour accélérer et rationaliser plusieurs sous-processus, notamment la recherche de candidats, la sélection, la diversité et l’inclusion, les entretiens et le suivi des candidats.

« L’époque du tri physique de centaines de CV et de la publication de vos descriptions de poste sur chaque tableau est révolue », notes Ilit Raz, PDG de Joonko, une solution de flux de talents pour faire émerger des candidats issus de milieux sous-représentés. « Sans une certaine forme d’automatisation ou de technologie RH, vous aurez toujours une longueur d’avance sur vos concurrents, surtout en matière de recrutement. »

L’automatisation du recrutement est une catégorie de technologie – fournie sous forme d’applications logicielles en tant que service (SaaS) et de plus en plus alimentée par l’IA – qu’une organisation peut utiliser pour gérer tous les aspects de sa main-d’œuvre. Ses principaux objectifs comprennent :

• automatiser les tâches et les workflows de recrutement
• réduire le coût par location
• augmenter la productivité du personnel RH et des recruteurs
• accélérer le pourvoi des postes vacants
• embauche sans préjugés
• améliorer le profil global des talents de l’entreprise.

Comment une technologie typique d’automatisation du recrutement basée sur l’IA vous aide-t-elle à atteindre ces objectifs ? Voici les différentes fonctions où il peut jouer un rôle clé :

• Annonces d’emploi : Les logiciels de recrutement peuvent automatiser l’achat d’annonces sur les plateformes d’emploi ainsi que sur d’autres sites Web. Il exploite la publicité programmatique et le contenu de marque pour placer des offres d’emploi sur des sites spécifiques à l’industrie que vos candidats cibles fréquentent. Cela peut également vous aider à optimiser votre budget d’annonces d’emploi et à réduire le coût par candidat.
• Système de suivi des candidatures (ATS): Un ATS est un logiciel qui automatise le cycle complet d’embauche et de recrutement d’une organisation. Il fournit un emplacement centralisé pour gérer les offres d’emploi, trier les CV, filtrer les candidatures et identifier les candidats les plus appropriés pour les postes vacants. De cette façon, les responsables RH peuvent rester organisés et accéder facilement aux détails sur l’étape à laquelle un candidat se trouve dans le processus d’embauche.
• Reprendre le dépistage : La sélection manuelle des CV est l’une des étapes les plus chronophages du recrutement. Un logiciel basé sur l’IA « apprend et comprend » les exigences du poste en fonction de la liste et filtre les CV en fonction des mots clés, des termes et des expressions utilisés par les candidats.
• Candidats pré-qualifiés : Des algorithmes intelligents peuvent déterminer les candidats probables en évaluant leurs compétences, leur expérience et d’autres caractéristiques avec celles des embauches précédentes et le poste publié. Ils peuvent également classer ou noter ces candidats au fur et à mesure qu’ils les font avancer dans le processus d’embauche. Les chatbots basés sur l’IA peuvent recueillir des informations de base en lançant des conversations avec les candidats et en « apprenant » davantage à leur sujet. Les algorithmes peuvent également parcourir leur LinkedIn, Twitter, Facebook et d’autres profils sociaux ainsi que les plates-formes spécifiques à l’industrie sur lesquelles ils sont actifs (comme Stack Overflow pour les développeurs) pour une meilleure idée de leur personnalité, de leurs connaissances, de leurs capacités et de leurs aptitudes. .

Quand l’automatisation du recrutement peut-elle mal tourner ?

Malgré les progrès des logiciels d’automatisation du recrutement, ce n’est pas une panacée pour les défis d’embauche. Il n’y a pas de remède technologique pour processus de recrutement brisés. La surcharge de données est un problème critique. Les recruteurs disposent aujourd’hui de tellement de données (sur les candidats comme sur les postes) qu’ils n’ont ni le temps ni les compétences pour les analyser et prendre les bonnes décisions. Souvent, le coût et la complexité de l’accès et de la vérification de ces données s’avèrent prohibitifs.

Un autre problème de longue date est la partialité. Alors que le processus de recrutement lui-même est souvent biaisé (en grande partie en raison de la propension des entreprises à s’appuyer sur les recommandations d’employés), l’utilisation de l’IA et de l’automatisation du recrutement peut parfois aggraver le problème.

« Si vous ne disposez pas d’un ensemble de données représentatif pour un certain nombre de caractéristiques que vous décidez, alors bien sûr, vous n’allez pas trouver et évaluer correctement les candidats », dit Jelena KovacevicIEEE Fellow et doyen de la NYU Tandon School of Engineering.

«Par exemple», poursuit-elle, «si les Noirs étaient systématiquement exclus dans le passé, ou si vous n’aviez aucune femme dans le pipeline, et que vous créez un algorithme basé sur cela, il n’y a aucun moyen que l’avenir soit correctement prédit. Si vous embauchez uniquement dans des écoles de l’Ivy League, vous ne savez vraiment pas comment un candidat d’une école moins connue se comportera, il y a donc plusieurs niveaux de préjugés.

Dans un cas tristement célèbre, Amazon a développé un outil de recrutement basé sur l’IA qui a analysé les modèles de CV reçus sur une période de dix ans et a fini par discriminer les femmes. Inutile de dire qu’ils l’ont abandonné.

Le plus grand domaine où les données et l’IA ont échoué est la diversité, l’équité et l’inclusion (DEI). Certaines des plus grandes erreurs liées à la diversité dans le recrutement qui sont amplifiées par l’automatisation et l’apprentissage automatique sont :

• Langage insensible, élitiste ou moins inclusif dans les offres d’emploi (dissuade divers candidats de postuler)
• Sourcing limité et bassins de candidats restreints (exclut les candidats d’une autre région ou ceux qui n’ont pas fréquenté certaines écoles)
• Pas de politique de travail à distance (exclut les candidats handicapés et sans moyens de transport)
• Une approche facétieuse de la DEI visant à respecter les normes réglementaires ou industrielles minimales
• Manque d’automatisation

Le dernier mérite une attention particulière.

L’IA comme problème, l’analyse comme remède

Bien que l’IA ne soit certainement pas une solution miracle pour le recrutement, elle a parcouru un long chemin depuis le fiasco d’Amazon. L’étude Entelo a révélé que les équipes de recrutement axées sur les données surpassent déjà leurs pairs. De plus, 84 % des recruteurs sont assez confiants dans leur capacité à utiliser l’IA et l’apprentissage automatique dans leur flux de travail quotidien.

La question à un million de dollars est la suivante : comment la technologie d’automatisation du recrutement peut-elle utiliser des algorithmes d’IA dans le processus d’embauche sans ajouter (et amplifier) ​​de biais humain dans le mélange ?

La réponse réside dans l’établissement de critères de performance spécifiques à l’entreprise, l’identification d’indicateurs clés pour mesurer objectivement la compétence des candidats et l’utilisation de l’analyse des talents pour mesurer le succès et l’efficacité de vos efforts de recrutement.

Les algorithmes qui remplissent l’objectif pour lequel ils sont conçus le font souvent parce que les ensembles de données les plus grands et les plus larges sont disponibles pour eux. Il est de votre responsabilité de collecter ces points de données et de les intégrer à votre vivier de talents ou à votre logiciel d’automatisation du recrutement. Le processus est inversé lors de la mise en œuvre – c’est toujours une bonne idée de tester l’algorithme sur un petit (mais diversifié) bassin de candidats et d’examiner manuellement son résultat avant de l’adopter comme solution d’embauche de facto pour votre organisation.