Natural Language Processing et RH : une opportunité pour exploiter vos données !

Sommaire

    L’intelligence artificielle offre de nouvelles opportunités aux différents corps de métier pour analyser leurs données, notamment pour les ressources humaines. Le NLP – “Natural Language Processing” – est le traitement du langage naturel. Le Natural Language Processing permet aux RH de transformer du texte en information compréhensible par une machine. L’intérêt est fort pour le recrutement, la formation, les compétences ou encore la GPEC. En effet, cette technologie va venir faciliter l’exploitation des données RH.

    Qu’est-ce que le NLP (Natural Language Processing) ?

    Le Natural Language Processing, en français traitement du langage naturel, consiste à rendre le langage humain compréhensible par une intelligence artificielle.

    Par défaut, un ordinateur ne peut comprendre et analyser que des informations structurées. C’est à dire préformatées en suivant une structure définie. Par exemple, dans une entreprise, une liste de compétences ou de métiers normalisés.

    Mais la majorité des données des entreprises sont souvent non structurées, c’est à dire stockées dans leur format d’origine. Typiquement sous format texte, comme le compte-rendu d’un entretien. Ces données ne sont pas exploitables sans retraitement par un humain ou un outil.

    A l’aide d’algorithmes basés sur des technologies de machine learning (apprentissage automatique), une intelligence artificielle va être en mesure de comprendre et d’utiliser les données sous forme textuelle.

    Comment fonctionne le natural language processing ?

    Le pré-traitement du langage naturel en amont

    Une phase préparatoire va permettre le traitement du langage. Cette phase vise à garder uniquement les informations pertinentes pour l’analyse, en partant d’un document brut. Ainsi l’IA va analyser un CV, un bilan de compétences ou le descriptif d’une formation. Les mots d’une phrase d’un texte pourront être séparés (on parle alors de “tokens”), certains mots de liaisons ou la ponctuation retirés, ou seule la racine de certains mots sera conservée.

    Le traitement du langage via des règles spécifiques

    Selon le but recherché et le type de données traitées, il est possible de définir des règles d’analyse. Ces règles permettent d’extraire plus simplement des informations dans des cas bien identifiés.

    Dans le cadre d’un recrutement, cela consistera à définir des mots clés dans un CV. Grâce à eux une machine va pouvoir identifier les parties qui concernent les expériences précédentes ou les compétences techniques.

    Le traitement du langage naturel via du machine learning

    Le “machine learning” ou apprentissage automatique se base sur l’intelligence artificielle. Il permet à une machine d’apprendre sans programmer au préalable des règles spécifiques. Dans le cas du NLP, une IA va apprendre à reconnaître les mots d’un texte pour en extraire les données.

    L’intérêt est donc de s’affranchir de la définition de règles qui pourrait s’avérer très complexe et chronophage pour les RH. Un ordinateur pourra ainsi comprendre le contenu d’un catalogue de formation. Et cela sans qu’on lui explique au préalable la structure de chaque offre de formation.

    Quel est l’intérêt du natural language processing pour les RH ?

    Le NLP amène de nombreuses perspectives dans différents aspects des ressources humaines. En effet, les Rh doivent très souvent récupérer, centraliser et analyser des informations qualitatives et quantitatives. Que ce soit pour évaluer un candidat, pour un salarié lors de son entretien annuel, ou pour créer un référentiel de compétences…

    Dans le cadre de ces projets, les RH vont s’appuyer sur un logiciel pour traiter leurs données. Ces outils permettent de standardiser certaines données pour les analyser.

    ex : L’évaluation d’un salarié ou candidat va se faire via des questions à choix multiples : la performance de Julie est très satisfaisante, satisfaisante… Il est très facile d’agréger ces données pour en faire une analyse chiffrée.

    Cependant, dans un souci de qualité, des questions ouvertes permettent d’enrichir l’information.

    ex : Une manager évalue un candidat pour son équipe. Elle juge l’adéquation entre son profil et le poste comme “suffisante”. Cependant elle précise : “Même si Simon doit monter en compétences sur certains sujets, il est motivé pour progresser et a le bon état d’esprit pour s’intégrer dans l’équipe et s’épanouir dans le poste.”

    La plupart des outils ne pourront pas interpréter ce commentaire. Le NLP va faire une analyse sémantique et syntaxique du texte pour en comprendre le contenu. Ainsi sans intervention humaine, on pourra faire remonter l’information que l’évaluation de ce candidat est “positive” ou qu’il possède certains soft skills.

    Les applications du NLP dans le recrutement

    Le recrutement implique de nombreuses étapes où les RH doivent analyser des contenus pour en retirer les données pertinentes, notamment les CVs des candidats. Le NLP va optimiser le processus de recrutement pour repérer plus rapidement les profils qualifiés pour une offre.

    Les compétences associées à une fiche de poste vont pouvoir être identifiées automatiquement. Ainsi, le profil et les compétences à rechercher sont définies de manière plus objective. Et cela fait ressortir les critères vraiment déterminants pour sélectionner les candidats.

    Le NLP va offrir aux RHs un gain de temps considérable pour trier et identifier les meilleurs profils selon les critères importants. L’IA va pouvoir non seulement identifier dans leur CV les compétences pertinentes, mais aussi les autres éléments importants pour le poste : formation et diplômes, années d’ancienneté et secteur d’activité des précédentes expériences, situation géographique.

    Les recruteurs repèrent donc plus facilement les meilleurs candidats pour les faire avancer rapidement dans le processus.

    Applications du NLP pour la formation

    Le traitement du langage naturel est une opportunité pour les acteurs de la formation. En effet, analyser un catalogue de formation permet d’identifier les compétences normalisées qui seront développées grâce aux différentes offres proposées.

    En facilitant la correspondance du contenu d’une formation avec les besoins des apprenants, il est plus facile de s’assurer qu’une formation va effectivement permettre d’acquérir ou d’approfondir les compétences souhaitées. Et ainsi augmenter le taux de satisfaction sur une formation donnée, mais aussi sur l’ensemble d’un catalogue en orientant les utilisateurs vers le parcours le plus pertinent pour eux.

    Par ailleurs, le Natural Language Processing va permettre de s’assurer de la qualité et de la rationalité de son offre de formation. Les organismes vont pouvoir recenser les compétences couvertes, celles manquantes ou au contraire les doublons entre différentes formations. Ils peuvent ainsi s’assurer que leur offre globale est pertinente par rapport aux compétences recherchées par le public ciblé. Et que chaque formation supplémentaire apporte une vraie valeur ajoutée au catalogue.

    Les applications du Natural Language Processing en RH pour la GPEEP

    Le traitement du langage naturel vient faciliter la Gestion des Emplois et des Parcours Professionnels (anciennement GPEC). Le NLP facilite la cartographie des compétences au sein d’une organisation et de positionner les talents. Les RH identifient plus simplement les différents potentiels. Ils repèrent aussi les opportunités d’évolution ou au contraire les points de vigilance sur une compétence clé.

    La création d’un référentiel de compétences est le point de départ qui va permettre à terme de construire des parcours métiers adaptés aux hard et soft skills des collaborateurs et aux opportunités d’évolution dans l’organisation. En se basant sur les fiches de postes, le NLP va identifier les compétences associées à chaque métier. L’équipe RH peut ainsi s’assurer que chaque salarié est évalué sur tous les domaines qui sont propres à son poste.

    En positionnant ses collaborateurs, l’entreprise pourra ensuite accompagner leur évolution et leur mobilité en adéquation avec les besoins de l’organisation. Un profil à potentiel maîtrise peut-être déjà certaines compétences clés pour évoluer. A l’inverse, un collaborateur pourra nécessiter une formation pour acquérir une compétence indispensable à une promotion. L’entreprise peut également repérer les compétences dont elle a besoin mais ne dispose pas encore au sein de ses équipes. Ainsi elle peut former ou recruter en conséquence.

    La normalisation des compétences via le NLP est également utile dans le cadre de mobilités horizontales. Que ce soit entre des différents métiers ou différentes entités voire différents pays. Une même compétence pourra être nommée différemment. Il sera difficile pour l’équipe RH d’identifier manuellement les synergies.

    Par exemple, la prospection commerciale et la chasse de candidats vont mettre en œuvre des compétences similaires : compréhension d’une cible, identification de canaux d’acquisition, persuasion et techniques de vente… En identifiant ces synergies, les RH peuvent offrir davantage d’opportunités de mobilités à leurs collaborateurs, et identifier pour un poste donné des profils pertinents à recruter en interne.

    Les défis pour la mise en place du Natural Language Processing en RH

    Le traitement du langage naturel offre certes de nombreuses perspectives pour les ressources humaines. Mais sa mise en œuvre impose certains prérequis.

    Le NLP repose très largement sur le machine learning, qui nécessite un grand volume de données. En effet, plus une IA a de données à disposition, plus l’apprentissage sera important. Et plus elle sera performante pour comprendre du langage et le transformer en données structurées. Il faut donc au départ disposer d’une quantité de données suffisante.

    Par ailleurs, le NLP implique de comprendre les algorithmes mis en œuvre et de les paramétrer. Dans le cadre d’un machine learning dit “supervisé”, on indique à un algorithme le résultat à obtenir. Cela va l’éduquer à reconnaître des paternes qui lui permettent d’identifier les éléments pertinents.

    D’autres techniques se basent sur le “deep learning”. Dans ce cas, on cherche à reproduire le fonctionnement d’un cerveau à l’aide d’un réseau neuronal artificiel.

    Des techniques de pointes, mais qui vont devenir progressivement accessibles grâce aux acteurs de la HRtech

    Les usage du Natural Language Processing en RH sont encore des techniques de pointe. Elles nécessitent donc de disposer de ressources techniques solides avant de les envisager.

    Cependant, il y a fort à parier que le NLP viendra impacter les RH indirectement. Et cela par l’intermédiaire des différents éditeurs de logiciels RH qui investissent en R&D pour simplifier et approfondir l’expérience offerte à leurs clients.

    Gauthier Chatelain

    Share This