top of page

HR ANALYTICS : MODE D'EMPLOI

Avec Céline Gallon, VP People de Trustpair et Léopold Adam, fondateur et CEO de Reflect





Les HR analytics deviennent essentielles en startup et nos invités vous en donnent le mode d'emploi.


Céline Gallon est la VP People de Trustpair, une fintech qu’elle a rejoint il y a un an et demi. Présent en Europe et aux États-Unis, Trustpair est actuellement en phase de scaling à l'international et compte environ 100 employés. Ils ont récemment établi une équipe commerciale à New York.


Léopold Adam est le fondateur et CEO de Reflect, un outil de pilotage de données RH. Ils récupèrent, agrègent puis nettoient les données des divers outils utilisés par les entreprises (recrutement, SIRH, paye, etc) pour créer des tableaux de bord personnalisés.

Reflect se compose d’une équipe de 10 personnes, et a levé des fonds il y a environ un an.


Grâce à l'expérience de ces deux invités travaillant quotidiennement sur la data RH, cet épisode du Human Factor va pouvoir explorer en détail le sujet des HR Analytics : Pourquoi ? Que mesurer ? Comment ? Quelles sont les étapes ?


D’après Léopold, les HR Analytics sont en train de devenir une catégorie à part entière chez les RH - comme le recrutement. Avant, cette analyse de données existait, mais elle était très liée aux rapports légaux et donc plutôt des sujets de compliance, en suivant des indicateurs classiques comme les catégories socioprofessionnelles etc. Et c'était principalement les contrôleurs de gestions sociaux qui s’en occupaient. Depuis les années 2000, l’analyse de données se dirige désormais vers des indicateurs plus stratégiques, comme le turnover et l'absentéisme, et le sujet est passé aux RH.


POURQUOI COLLECTER DE LA DATA RH ?


Pour Céline, les RH évoluent vers une approche de plus en plus data-driven.

Pour mesurer la qualité ou la performance RH, et ainsi se doter d'un pilotage efficace, les principaux indicateurs à suivre sont avant tout des indicateurs financiers classiques d'efficience tels que :

  • le Span of Control d'un manager (c’est-à-dire le nombre de N-1 qu'un manager peut avoir),

  • les ratios d'optimisation de l'organisation (c'est-à-dire est-ce qu'on dépense de l'argent au bon endroit pour un impact maximal)


Ces indicateurs permettent à la fois d’avoir un impact :

  • bien sûr quantitatif sur le pilotage financier de l’entreprise,

  • mais aussi qualitatif sur le cycle de vie de l'employé, sa satisfaction et son bien-être au travail : en effet, par exemple un bon ratio manager / employé va favoriser une bonne communication, un bon passage d'informations, et une absence de micromanagement.


Céline et Léopold soulignent cependant plusieurs points d’attention :


  1. D’abord, il est primordial de se demander pourquoi on souhaite faire du suivi d’indicateurs ? Pourquoi les gens autour de moi ont besoin de données RH, pour quel cas d'usage ? Par exemple :

  • Est-ce parce que votre direction vous le demande, car eux-mêmes ont un reporting à faire aux investisseurs ?

  • Est-ce que vous devez le faire parce que vous venez d'élire un CSE, vous êtes plus de 50 salariés donc il y a des sujets de compliance à adresser ?

  • Est-ce que vous avez une problématique à résoudre, comme du turnover ou de l'absentéisme ?

  • Est-ce que vos managers vous demandent des informations sur les salaires de leur équipe ? Etc.


  1. Il faut s’assurer que les données soient fiables.


  1. Il ne faut pas simplement regarder les indicateurs et tomber dans le biais du jump to conclusion : les datas sont là pour aider notre intuition, il faut creuser, analyser les indicateurs pour trouver les causes racines des problèmes - afin de cibler plus efficacement les actions correctives nécessaires. Par exemple, si on a 20% d'attrition (ou turnover), il faut comprendre d'où vient ce turnover : est-ce que ce sont des personnes qui sont en période d'essai, des personnes qui ont 4 ans d'ancienneté, est-ce que cela touche uniquement un département particulier ? Selon le cas, évidemment les actions correctrices ne seront pas du tout les mêmes : on pourra être dans des sujets de rémunération, ou d’onboarding, ou de plan de carrière...


  1. Pour toutes les entreprises qui en sont au début de l'analyse de données RH, il ne faut pas aller trop vite, mais au contraire y aller humblement, étape par étape : ce sont les 3 étages de la fusée HR Analytics que nous allons voir ci-après.



ÉTAGE 1 : SELECTIONNER LES BONNES DONNÉES


Des données de qualité


On connaît l'expression “garbage in, garbage out” : si on entre des données de mauvaise qualité, tout ce qui en sortira sera inexploitable. L’inverse est vrai : il faut des données de qualité pour avoir des indicateurs fiables. Construire un socle de données qui soit de bonne qualité, une base de données clean, est donc vraiment la base.


Mais qu’est-ce qu’une donnée de qualité ? Elle doit être :

  • Précise : par exemple, quand on prend la date d'arrivée d'un collaborateur, il faut entrer le jour, le mois et l'année. Même si cela paraît simple, appliqué à l'ensemble des données, c'est déjà un gros challenge !

  • Exhaustive : pour reprendre l’exemple précédent, il faut entrer ces dates sur l'intégralité des équipes, sinon les analyses ne seront pas pertinentes.

  • Homogène : il faut exactement le même type de données pour tout le monde.

  • Fiable : à la base, il y a un input manuel, c’est-à-dire un être humain qui va rentrer la donnée. À ce niveau-là, il existe forcément un risque d'erreur.

  • À jour : les données doivent être d’actualité. Par exemple pour le type de contrat, il faut s'assurer qu'on a la dernière version à jour.


Le must have des indicateurs de base à suivre


Même s’il n’y a pas de recette toute faite, selon Céline et Léopold, les indicateurs de base à suivre - pour les start-ups - sont :

  • Les entrées / sorties, quelle que soit la variante (taux de rétention, taux d'attrition, ou le turnover lui-même) selon sa situation. Par exemple, si on est en phase de croissance, ce n'est pas pertinent de regarder le turnover car avec beaucoup d’arrivées, il sera de facto très élevé. Dans ce cas-là, il est préférable de regarder le taux de rétention ;

  • Le taux d'absentéisme ;

  • Le ratio hommes / femmes ;

  • Des données de recrutement si vous êtes dans une logique où vous recrutez beaucoup, avec par exemple le Time to fill (c'est-à-dire combien de temps en moyenne pour remplir un poste) ou le Time to hire (c'est-à-dire combien de temps en moyenne pour passer le candidat de la phase initiale au recrutement).

  • L’ancienneté, si l’entreprise a déjà quelques années de maturité ;

  • L'eNPS (Employee Net Promoter Score) qui mesure à quel point un employé recommanderait son entreprise en tant qu’employeur.


Ensuite, au fur et à mesure que l'entreprise va maturer sur ces sujets, elle va aller chercher, affiner des indicateurs qui lui sont plus spécifiques. Si on prend l’exemple de l'ancienneté, qu’est ce qui nous intéresse vraiment ? L'ancienneté des top performers ? Donc on va commencer à croiser des indicateurs du type ancienneté avec la note moyenne des évaluations. Cela va permettre de structurer les conversations au niveau Comex : de quels indicateurs a-t-on besoin par rapport aux enjeux qu'on veut adresser, vu la maturité de l’entreprise.


Comment entrer les données, et s’assurer qu’elles soient clean ?


Connecter et entrer les données est un travail qui nécessite de la rigueur et du temps, et pour Céline, il est nécessaire d’avoir une ou plusieurs personnes gérer cette tâche. Et plus on adressera ces sujets tôt, moins il y aura d'historique et de legacy à rattraper.


Concernant l'organisation, chez Trustpair ce sont les personnes de l'équipe People Ops qui sont responsables de cette tâche, car ce sont vraiment les RH qui sont au contact de ces sujets (administratif, recrutement…).


Au départ, jusqu’à 30/40 salariés, Céline et Léopold recommandent de commencer simplement sur Excel, c’est suffisant. À ce stade, il n'est pas nécessaire d'avoir un SIRH (Système d'Information des Ressources Humaines - c’est-à-dire un core RH, qui rassemble toutes les infos), cela coûte cher. De nombreuses entreprises se débrouillent également avec un logiciel de paye au début, car on peut en extraire déjà beaucoup d’informations.


Le souci, c’est que remplir à la main des tableaux Excel augmente le risque de faire des erreurs. Mais il existe des solutions de contournement pour augmenter la fiabilité :



  • Faire du self onboarding : les nouveaux arrivants sont invités à entrer eux-mêmes leurs informations (numéro de sécurité sociale, etc) dans un formulaire. Cela diminue le risque d’erreurs.


  • Mettre en place des contrôles récurrents : par exemple chez Trustpair, tous les trimestres ils checkent un échantillon de leur SIRH pour vérifier que les données sont correctes et à jour. Si ce n’est pas le cas, ils peuvent cibler des actions correctives sur les données concernées.


  • Et au fur et à mesure que le volume des données augmente, aller vers un niveau de formalisme plus élevé, par exemple en s'équipant d’un dictionnaire de données : cela encadre la façon dont il faut inputer les données sur chaque champ (pour chaque type de champ : quel format, quelle valeur possible, quelle source, quelle fréquence de mise à jour, etc).


  • Dans les grosses entreprises, cela peut même aller jusqu’à mettre en place des instances de gouvernance de ces données.


  • Et petit tips de Céline : valoriser la personne qui va travailler sur ces sujets, car c’est un travail de fourmi - voire rébarbatif - dont l'impact est énorme, qui apporte vraiment de la valeur à l'organisation.


ÉTAGE 2 : CRÉATION DE DASHBOARDS


Quel dashboard choisir ?


Une fois qu’on a de la data clean, on peut commencer la phase de création de KPI et la constitution d'un dashboard qui va rassembler au même endroit de façon synthétique - et si possible agréable à lire - les indicateurs qu'on veut suivre, en fonction de son contexte et de ses objectifs.


De nombreux outils, SIRH, ATS (Teamtailor ou autre) ou même logiciels de paye (comme Payfit), ont des dashboards natifs. Par contre, pour Céline ces dashboards ne sont pas la solution idéale. Pourquoi ?

  • Déjà parce chaque outil possède son propre dashboard, c'est donc segmenté - alors que l’objectif est plutôt d'avoir un outil de pilotage transverse sur les données RH qu'on veut suivre.

  • Ensuite, parce que souvent, ces dashboards ne permettent pas d‘avoir le niveau de granularité qu’on souhaite, ou la donnée voulue n’est pas complètement disponible. Donc on est souvent limité et finalement on n’arrive pas à adresser la question qu’on se pose, ce qui se révèle frustrant.

  • Et enfin, dans les échanges au niveau Comex, on ne peut pas leur demander de s'approprier 4 ou 5 dashboards différents, avec des visuels différents.


En fait, un SIRH ne sert pas à prendre des décisions, c’est un outil transactionnel de workflow : faire passer une personne d'une étape à une autre, suivre le salaire et les rôles d’une personne etc. Le but est de garder la base de données la plus sûre possible.


D'ailleurs, comme le souligne Léopold, de nombreuses entreprises plus importantes sont dotées d'outils de Business Intelligence, mais elles trouvent au final que :

  • ce n'est pas fiable,

  • ce n'est pas du tout automatisé,

  • et surtout cela ne les aide pas à prendre des décisions.

Elles préfèrent donc externaliser la création de tableaux de bord RH.


Personnaliser son dashboard HR analytics


À un moment donné, il faut donc penser à s'équiper d'un dashboard centralisé. Pour cela, 2 solutions :


  1. Soit vous le faites vous-même mais c’est très long. Il faut aussi garder à l'esprit que les données RH sont sensibles, car elles impliquent des informations telles que les salaires, les absences ou encore le turnover. Il y a donc aussi des enjeux de confidentialité, et il peut être délicat de les partager avec des équipes techniques en interne pour la création de dashboards.


  1. Soit vous faites appel à un expert pour avoir une solution clé en main, comme Reflect. En évitant toute cette partie production, cela permet aux RH de se concentrer sur ce qui a de la valeur : accompagner les managers dans la progression de leurs salariés, communiquer des informations stratégiques aux stakeholders, aider le CSE à bien auditer l’entreprise, parfois gérer des conflits, etc.


Quels indicateurs suivre dans ces dashboards ?


Dans son approche RH, Céline utilise 2 catégories d’indicateurs :


  • Les indicateurs réactifs : ils visent à objectiver des impressions et les discussions qui s'ensuivent (car on entend souvent des phrases du type : ah j'ai l'impression que les équipes sont moins engagées en ce moment… ah je sens pas la vibe là… etc.). Pour objectiver, il faut définir clairement par exemple ce qu’on entend exactement par "engagement" : est-ce que ça se matérialise en termes d'indicateurs concrets tels que l'absentéisme, ou l'évolution de l’eNPS ? Cela permet ensuite de vraiment répondre en réactif si oui ou non c'est un sujet, et donc de décider s'il est nécessaire d'agir.


  • Les indicateurs proactifs sont utilisés pour anticiper certains sujets spécifiques. Par exemple, sur le sujet du ratio optimal managers / employés pour l’entreprise, ils se sont fixé un optimum chez Trustpair (qui n’est pas forcément 14%, c’est variable selon les entreprises). Si elle constate qu’ils dévient de cet optimum, pourquoi ? Faut-il prendre des actions correctrices ? Cet indicateur lui permet donc d'initier des discussions avec d'autres fonctions (finance, revenue etc) pour répondre à ces questions.


Par expérience, Léopold a constaté que les indicateurs les plus demandés et suivis dans les dashboards des entreprises qu’il accompagne sont :

  • Les arrivées et départs : cela semble simple, mais souvent les entreprises ne connaissent pas exactement leurs effectifs ! Il peut y avoir des alternants, des stagiaires, cela dépend comment on compte les équivalents temps plein, etc. Et la notion d’effectifs varie si on est de la finance ou des RH…

  • Les indicateurs concernant la diversité, comme l’égalité hommes / femmes.

  • L’absentéisme : ces dernières années, on constate une augmentation significative de l'absentéisme, en particulier liée à des problèmes de santé mentale. Les entreprises sont de plus en plus attentives à cet indicateur, car c’est souvent un des premiers signes de désengagement des équipes.

  • Les salaires : dans le contexte actuel, de nombreuses entreprises prêtent une attention particulière à leur masse salariale : suivi des variables, des augmentations salariales…


En revanche, il constate que depuis 2022, ils sont moins challengés sur les données de recrutement - qui étaient très à la mode avant.


HR ANALYTICS : LE MODE D'EMPLOI DU MODE D'EMPLOI


On peut facilement se perdre dans la jungle des indicateurs, et finalement ne pas trop savoir quoi en faire. Céline et Léopold nous conseillent pour cela quelques bonnes pratiques, afin d’extraire vraiment de la valeur de ces indicateurs :


  1. Se poser la question du "pourquoi" dès le départ en fonction de ses objectifs : par exemple, si vous avez un enjeu de turnover, vous allez focaliser là-dessus, pas besoin d'aller regarder des notions de recrutement…


  1. Se fixer des objectifs spécifiques (ou un “standard” comme dans le Lean Management) pour chaque indicateur suivi : quand on constate alors un écart par rapport au standard, c’est qu’il y a un problème à résoudre (il existe de nombreuses méthodes pour la résolution de problèmes accessibles sur internet).


  1. Les RH doivent se former sur le sujet des indicateurs, pour bien comprendre ce qu’est un indicateur, les conditions de validité des données, et apprendre à les interpréter (lire à ce sujet le livre Noise de Daniel Kahneman). Il existe également énormément de webinaires, de cours sur ces sujets pour se familiariser avec cela.


  1. Un indicateur tout seul ne suffit pas, il y a très peu d'indicateurs qui a un instant T ont un sens très fort. Il faut au moins 3 data points pour qu'un indicateur soit significatif, incluant une référence dans le passé pour pouvoir observer une évolution.


  1. Faire des comparaisons avec des benchmarks externes. Mais trouver des benchmarks pertinents peut se révéler compliqué, car il faut s'assurer que le groupe de comparaison soit vraiment comparable. Cependant, l’IA peut désormais être très utile pour trouver des benchmarks pertinents, des tendances, des solutions etc.


  1. Limiter le nombre d'indicateurs (maximum 7) suivis au quotidien - ce qui n’empêche une rétrospective annuelle avec beaucoup plus d'indicateurs. Cela permet ainsi de concentrer sur les actions qui ont réellement un impact.


  1. Avoir la sagesse de reconnaître qu'il y a des aspects sur lesquels on peut agir et d'autres sur lesquels on n'a pas d'impact. Il faut donc concentrer ses actions sur les domaines où l'on peut réellement avoir un impact.


  1. Attention aux faux et aux biais potentiels des indicateurs : par exemple, si on voit un pourcentage de turnover qui explose, il faut regarder les chiffres aussi en absolu : on peut être dans le cas où une seule personne est partie dans un magasin qui compte 3 ou 4 employés, ce qui n’a rien de significatif.


ÉTAGE 3 : LES MODÈLES PRÉDICTIFS


Pour l’instant on était dans l'analytique, le descriptif, permettant d'analyser une situation, pour ensuite trouver la cause. Mais pour des organisations plus importantes et plus matures, on va de plus en plus vers du prédictif, voire du prescriptif.


Qu’est-ce que le prédictif ? C’est simple : cela consiste à utiliser l'analyse de l'historique pour anticiper l'avenir. Donc en allant regarder tout ce qui s'est passé sur de gros volumes de données dans le passé, on va pouvoir identifier des schémas types dont on pense qu'on peut les projeter dans le futur.


Par exemple, on peut calculer un risque d'attrition pour chaque collaborateur, qui est un score basé sur un certain nombre de critères ayant montré une corrélation avec les départs dans le passé.


Pour Céline, l'intérêt principal réside dans la priorisation des actions RH (on n’est plus simplement dans la décision). Pour reprendre l’exemple précédent, les modèles prédictifs permettent de remonter les 10 personnes présentant le plus de risques de départ. On peut ainsi orienter les actions RH vers une approche prescriptive, en concentrant les interventions sur les individus les plus “à risque” et qu’on a envie de fidéliser.


Ces modèles fonctionnent grâce à l’IA, qui repose donc sur du Big Data. Les modèles ont été raffinés et entraînés sur des volumes de données suffisants, qui permettent ensuite de les réappliquer sur un petit échantillon. On n’en est encore qu’au début, mais c’est prometteur, surtout pour les grosses entreprises qui ont des effectifs importants.


Pour le moment, Léopold reste encore assez dubitatif pour 2 raisons :

  1. Il n’a pas encore eu de retours concrets prouvant que les attrition risks sont réellement efficaces. On parle d’humains, et c’est donc très compliqué de généraliser.

  2. Par ailleurs, la très grande majorité des entreprises en France n’en sont qu’au début en termes de data : elles ont peu - ou pas - de datas, et pour le moment, cherchent plutôt à y accéder, à l’analyser pour leurs décisions. Elles sont donc encore très loin du stade de l’analyse prédictive. À ce sujet, Léopold conseille de lire l'article de McKinsey intitulé How to Be Great at People Analytics qui décrit cinq étapes allant de l'utilisation basique des données à la création de prédictions fiables et à la formulation de recommandations proactives.


En conclusion, Léopold conseille aux RH déjà de bien définir leurs objectifs, pour ensuite chercher des indicateurs pertinents basés sur des données fiables - avant de penser à des modèles plus avancés comme les modèles prédictifs.


Vous pouvez contacter Céline sur Linkedin ou par mail à l’adresse suivante : cgallon@trustpair.com


De même, n’hésitez pas à contacter Léopold sur Linkedin ou par mail : leopold@getreflect.io


Ressources recommandées par Céline et Léopold :


ET MAINTENANT ? DÉCOUVREZ LES SECRETS RH DES PLUS BELLES STARTUPS SUR LE WIKI YANIRO 👇


Pour découvrir les meilleures pratiques RH des plus belles Startups sans passer par la lecture de 100+ articles, accedez dès maintenant au Yaniro Wiki : CLIQUEZ ICI


bottom of page