L'application de l'intelligence artificielle est assurément un sujet "tendance" !
J'ai eu le plaisir de lire de nombreux articles fort intéressants (dont cet excellent texte de Julien Dargaisse) sur ce thème sans pour autant toujours comprendre quels étaient les champs d'applications concrets sur le processus de recrutement voire de talent acquisition.
De manière générale, il est acquis que l'IA est utilisée pour améliorer et/ou automatiser certains processus de recrutement, telles que la rédaction d’offres d’emploi, le sourcing RH, le filtrage et la messagerie (par exemple, les chatbots).
Un récent sondage de Jobvite sur l'IA et l'automatisation a révélé que dans l'ensemble, les recruteurs semblent adopter l'IA et sont optimistes quant à son impact sur le recrutement.
La moitié des recruteurs (49%) se disent satisfaits des effets de l'IA et de l'automatisation sur leur travail, tandis que seulement 7% pensent que l'IA aura un effet négatif.
Le plus grand impact qu'AI semble avoir jusqu'ici est la prise de conscience que le recrutement doit changer radicalement dans un avenir proche. C'est ce même constat qui nous a amené à travailler sur une approche entrante des l'attractivité des marques employeurs : l'Inbound Recruiting.
Toujours selon l’étude de Jobvite, 72% des recruteurs pensent que leur approche en matière d'embauche devra évoluer à mesure que l'IA et l'automatisation prendront de l'ampleur.
La concurrence accrue sur le marché du travail, l’augmentation en volume des embauches prévue en France et la pénurie de recruteurs à craindre dans les prochaines années expliquent essentiellement l’engouement pour ces nouvelles technologies selon l’étude State Of Sourcing Survey réalisée en 2017 par SourceCon.
Cela se traduit notamment sur 5 avancées concrètes de l’IA en 2018 pour le recrutement :
Le "sentiment analysis" (l'analyse du ressenti) est une technologie de Machine Learning servant à déterminer le ton émotionnel d’une série de mots pour aider l’ordinateur à comprendre des attitudes, des opinions et des émotions présentes dans un texte.
Cet outil peut donc servir à la création de descriptions d’offres d’emploi qui suscitent davantage d’engagement de la part de candidats précis, définis sur la base de Candidate Personas.
Avec le sourcing autonome, l’Intelligence Artificielle, constituée comme une solution apprenante, va chercher des candidats qualifiés en ligne en les identifiant dans des bases de données de CV telles que CareerBuilder ou directement sur LinkedIn.
Les algorithmes de filtrage permettent de ne récupérer que des profils vraiment intéressants pour l'entreprise.
De manière assez similaire au sourcing autonome, l’IA peut analyser les descriptions d’offres d’emploi puis les comparer avec les bases de données de l’ATS pour « redécouvrir » des candidats qui ont déjà postulé dans le passé et dont les compétences sont recherchées pour un poste qui vient de s’ouvrir.
Les outils de Machine Learning peuvent désormais analyser de manière assez fine le contenu d’un CV pour extraire les compétences-clés, estimer les qualifications puis le classer en fonction de leurs pertinences en fonction de certaines offres d’emploi.
En français, l'acronyme TALN désigne le traitement automatique du langage naturel, parfois aussi appelé ingénierie linguistique.
Grâce au TALN, les recruteurs sont aidés par des « agents conversationnels » qui utilisent l'interprétation correcte du langage naturel pour collecter des informations auprès des candidats, poser des questions de sélection, répondre à des questions précises sur le poste et planifier une entrevue.
Les informations collectées par le chatbot sont ensuite introduites dans un ATS ou envoyées directement à un recruteur humain pour un suivi.
Le développement rapide des technologies autour de l'IA, couplée au Big Data, assurera certainement d'autres évolutions majeures dans les prochaines années.