La e-RH s'approprie les algorithmes de recommandation

Les start-up spécialisées dans le recrutement s'appuient sur cette technique venue du e-commerce pour assurer leur succès.

Quel est le point commun entre le site de rencontres Tinder, le géant du e-commerce Amazon et certaines start-up spécialisées dans le recrutement telles que Hunteed, Assessfirst, Kudoz ou encore Clustree ? Tous utilisent un algorithme de recommandation pour aider à trouver l'âme sœur, le produit idéal ou le salarié parfait.

"Un algorithme de recommandation permet à un utilisateur de dénicher le produit ou le service de son choix sans que celui-ci perde du temps dans d'infructueuses recherches", explique Aurélien Hervé, CTO de la start-up de e-RH Hunteed. Celle-ci compte une dizaine de salariés et est spécialisée dans la mise en relation entre chasseurs de tête et entreprises.

"Nous faisons remonter un listing pertinent aux chasseurs de tête"

"Le fonctionnement d'un algorithme de recommandation est somme toute très simple. La référence en la matière est Amazon qui utilise cette technique depuis une décennie. Le site regarde le comportement de l'utilisateur. S'il achète l'album d'un groupe, l'algorithme sait que les autres acheteurs ont acheté certains produits… qui sont directement proposés au client. Un bon moyen de connaître les préférences et d'augmenter son chiffre d'affaires. Nous nous faisons pareil. A partir des recherches d'un chasseur de tête, nous faisons remonter un listing de profils pertinents".

Aurélien Hervé, CTO de Hunteed, conçoit des algorithmes de recrutement. © Hunteed

L'algorithme de recommandation est donc une technique basée sur l'analyse des recherches faites par l'internaute. Pour qu'il soit efficace, il doit comprendre et anticiper les besoins et les pratiques de l'internaute. Et pour cela, nul besoin d'être devin. Mieux vaut être data scientist. Ces derniers procèdent en trois temps : recueil de l'information sur les habitudes de l'internaute, mise en place d'une matrice algorithmique puis envoi de la recommandation au célibataire, au fan de musique, au demandeur d'emploi ou au DRH. "La conception d'un algorithme ne doit pas être confondue avec la technique de retargeting qui marche avec des cookies", poursuit le CTO qui est certain d'une chose : les algorithmes de recommandation ont un grand avenir devant eux dans le secteur des e-RH et du recrutement.

Un avis partagé par David Bernard. Psychologue du travail de formation, il est désormais à la tête d'Assessfirst, entreprise de 25 collaborateurs spécialisée dans le recrutement prédictif qui se base sur les fameux algorithmes de recommandation. Pour 2017, il s'attend à une croissance à deux chiffres. "Le secteur du recrutement est un secteur propice pour les algorithmes. C'est l'histoire d'une rencontre entre deux besoins. Une grande partie de la recherche d'emploi se fait sur Internet. Et pour trouver ce qui correspond à leurs attentes entreprises comme salariés se basent sur des données quantitatives (salaire, années d'expérience, maîtrise d'un logiciel…). Ce qui rend possible la création d'algorithmes. Nous pouvons même implémenter dans les algorithmes des variables qualitatives et des soft skills comme la capacité à négocier ou le sens du client. Pour cela nous faisons faire un test de personnalité d'une dizaine de minute aux candidats. Mais ce n'est qu'un exemple parmi d'autres. Chaque entreprise possède sa propre recette pour créer et faire évoluer son algo", explique l'entrepreneur.

L'algorithme d'Assessfirst calcule le pourcentage d'adéquation entre une entreprise et un candidat. © Assessfirst

Chez Assessfirst, une fois le profil du salarié défini par le test et les variables quantitatives, l'algorithme calcule un taux d'adéquation avec les attentes des entreprises clientes. "Nous utilisons des variables statistiques - pour les curieux le Khi2 et le V de Cramer - pour effectuer des tests de significativité. A partir d'un taux d'adéquation de 60%, on recommande le profil au client". Et bien souvent, ça marche.

"Grâce à notre algorithme, le taux de turnover du BHV est passé de 17% à 9%"

Ainsi, le BHV qui a eu recours au service d'Assessfirst pour recruter son personnel de vendeurs et de responsables de rayons a réussi à faire passer son taux de turnover de 17% à 9% grâce aux précieux algorithmes. "Pour atteindre de tels résultats, il faut que l'entreprise cliente accepte de nous donner de la data. Cela est primordial pour calculer le taux d'adéquation. Les responsables SIRH sont donc pour nous des interlocuteurs précieux".

Lorsque les data scientist ont toutes les données en main, le bénéfice est donc important pour les entreprises qui peuvent trouver la perle rare en quelques clics et ainsi diminuer fortement les coûts de recrutement et le nombre d'entretiens d'embauche infructueux. Mais pour autant, les algorithmes ne sont pas infaillibles et ne risquent pas de remplacer de sitôt les recruteurs. Et ce n'est pas un technophobe qui le dit mais Aurélien Hervé, spécialiste des algorithmes. "Par définition, il est impossible de trouver le candidat idéal. Les compétences seules ne suffisent pas, même avec un taux d'adéquation de 100% le candidat peut ne pas être fait pour l'entreprise. La personnalité joue beaucoup. L'algorithme peut aiguiller les meilleurs candidats et proposer une short list pertinente. Mais croyez-moi, c'est déjà beaucoup !"

 

Et aussi

 

Recrutement / E-RH