Dans analytique RH il y aussi RH !

L’intitulé « analytique RH » est vraiment intéressant. 

A première vue le binôme est mal assorti. La force brute de l’analytique d’un côté et la préoccupation sociale du RH de l’autre. Le quantitatif versus le qualitatif, le chiffre vs. le verbe.

Analytique, bien-sûr, se réfère au numérique et aux mathématiques. On imagine bien les modèles, les programmes informatiques, les graphiques colorés et les tableaux remplis de chiffres. 

Le RH pensera peut-être aux mauvais souvenirs des cours de math du lycée, aux bugs, aux erreurs possibles de calcul et aux risques juridiques en lien avec l’utilisation des données. Autant de raisons de combattre l’intrusion de l’analytique dans sa sphère. 

Comment alors imaginer autre chose qu’une cohabitation de circonstance entre les opérationnels RH en poste, et les statisticiens ?

Les RH sont souvent peu formés à l’analyse de données. Certains déclarent même ouvertement ne pas aimer les chiffres. Cette aversion est le fruit d’idées reçues qu’il faut démonter sur l’analyse de données. Cette « culture des données » est un prérequis à un mariage heureux entre analytique et RH. 

Car à y regarder de plus près les compétences quantitatives et qualitatives s’imbriquent parfaitement. 

Les RH ont notamment besoin de l’analytique pour gagner du pouvoir de décision et de la reconnaissance au sein de l’organisation et son comité de direction. 

Le statisticien a lui besoin des RH, pour… tout ! 

La construction d’un modèle statistique n’est en rien un jeu de hasard. L’idée d’une machine dans laquelle on met tout ce dont on dispose et « on verra bien ce qu’il en ressort » est farfelue.  

Un modèle statistique se construit sur des hypothèses métier. Si je veux prédire les démissions par exemple, le gestionnaire RH saura proposer telle ou telle variable, dont il sait plus ou moins empiriquement qu’elle est utile, par exemple l’ancienneté du manager. Là où le statisticien ne verra qu’une variable de plus, le RH aura des représentations ajustées sur son intérêt pour l’analyse. 

Mais l’apport des RH ne se limite pas à la spécification du modèle statistique, loin de là. 

Cet apport est également fondamental une fois les résultats disponibles. L’interprétation des données chiffrées nécessite en effet des référentiels métiers, de l’expérience et des intuitions. Car à quoi peuvent bien servir ces indicateurs sophistiqués s’il n’y a pas de compétence pour les interpréter avec justesse ? 

Ainsi il n’y a pas de fatalité dans le schéma de domination de la statistique sur les RH. Le terme « analytique RH » consacre l’union possible d’un binôme certes différencié, mais complémentaire pour relever les défis de la performance socio-économique. 

En conclusion la phase de production d’un projet analytique RH nécessite deux compétences différentes : la statistique et la connaissance métier.