– Présentation des tendances et des perspectives mondiales en matière de RH, basées sur l'analyse de 1,2 million de cas de données de recrutement.
-Calcul du « taux de correspondance » entre les entreprises et les candidats grâce à une analyse approfondie des documents, des entretiens et des données de réputation.
– Précision des prédictions : 93,7 %… La prise de décision en matière d’embauche fondée sur les données vise à réduire les coûts liés aux échecs de recrutement.
La startup technologique RH Specter (PDG Kyungwook Yoon) a dévoilé une nouvelle solution d'IA, TEO, qui va révolutionner le processus de prise de décision en matière d'embauche.
Le 28 octobre, Specter a organisé un séminaire sur les tendances RH intitulé « Décision 2025 » au Texpa Hall du Textile Center Building à Samseong-dong, Séoul. Ce séminaire a présenté les tendances mondiales en matière de recrutement et les orientations de l'innovation en matière de recrutement axée sur les données. Environ 200 responsables RH et experts du secteur issus de grandes entreprises chinoises ont assisté à ce séminaire. Parmi les intervenants figuraient Kyungwook Yoon, PDG (fondateur) de Specter, Yongyeon Yoo, directeur des opérations (responsable produit), et Hyungwoo Kim, directeur de l'analyse RH.
Dans la première partie, nous avons partagé les conclusions de notre analyse des tendances mondiales du secteur des RH et des coûts liés aux échecs de recrutement. Dans la deuxième partie, nous avons présenté « TEO », une solution d'aide à la décision en matière de recrutement basée sur l'IA, conçue pour prévenir ces échecs. « TEO » évalue l'adéquation entre un candidat et l'entreprise à partir de données complexes, telles que les documents, les entretiens et la réputation du candidat, permettant ainsi des décisions de recrutement rapides et équitables.
Specter a lancé une série de solutions répondant aux défis de chaque étape du processus de recrutement, notamment une plateforme de vérification de la réputation et une application d'analyse des enregistrements d'entretiens. À ce jour, elle accompagne plus de 5 800 entreprises, en France et à l'international, dans leurs recrutements, en les rendant plus intelligents et plus efficaces. Depuis le lancement de sa plateforme de vérification de la réputation en 2021, Specter a collecté 1,2 million de données relatives à la réputation et aux entretiens de 320 000 candidats au cours des cinq dernières années. En combinant intelligence artificielle et analyse de données, Specter est un moteur d'innovation sur le marché des ressources humaines.
◼︎ Le défaut d'embauche : un risque critique qui freine la croissance de l'entreprise
Selon Specter, les cinq erreurs de recrutement les plus fréquentes* sont : ▲Les collaborateurs peu performants ▲L’attribution prématurée des erreurs ▲L’incompatibilité culturelle ▲Les recrutements toxiques (dont l’attitude, les paroles et les actions nuisent à l’ambiance de travail et à l’engagement des collègues) ▲Les collaborateurs aux performances neutres (qui ne causent ni problèmes ni résultats significatifs). Parmi ces erreurs, les collaborateurs aux performances neutres sont les plus préjudiciables, car ils représentent une part importante des nouvelles recrues (20 à 30 %) et ont un impact considérable sur la croissance de l’organisation.
*Échec du recrutement : lorsqu’un nouvel employé ne répond pas aux attentes en termes de performance au travail, de caractéristiques comportementales ou de culture organisationnelle, ce qui entraîne une baisse de la productivité, une diminution de l’engagement et des pertes pour l’organisation.
Les erreurs de recrutement ne se traduisent pas seulement par des pertes de coûts de main-d'œuvre ; elles peuvent avoir un impact considérable sur la rentabilité d'une entreprise. Kim Hyung-woo, directeur général de Specter, explique : « D'après notre analyse des coûts liés aux échecs de recrutement, un seul recrutement raté coûte 210,7 millions de wons. Un seul mauvais recrutement peut freiner la croissance de toute une organisation. » Le problème majeur réside dans l'accumulation de ces coûts, qui alourdissent sans cesse la charge financière.
C’est pourquoi la réduction des erreurs de recrutement et des coûts qui en découlent est directement liée à la performance de l’entreprise. Le PDG, M. Yoon, a souligné : « Pour réduire le coût des erreurs de recrutement, il est essentiel d’améliorer la qualité du processus grâce à un système de vérification des talents précis et systématique. »
◼︎ « TEO », une solution qui facilite les décisions de recrutement… Évitez les erreurs de recrutement grâce aux données
Pour réduire les risques financiers liés à ces échecs de recrutement, Specter a développé « TEO », une solution de prise de décision en matière de recrutement basée sur l'IA et les données.
La fonction principale de Theo est d'aider à la prise de décision en matière de recrutement en évaluant l'adéquation entre une organisation et un candidat. Il analyse la similarité entre le candidat et les caractéristiques comportementales et attitudenelles des employés les plus performants de l'entreprise et prédit son adéquation au poste en fonction de divers facteurs, tels que les compétences professionnelles, les valeurs et l'attitude. Grâce à ces résultats, les décisions de recrutement peuvent être prises en toute connaissance de cause, réduisant ainsi le risque d'échec.
Il analyse également les tendances des taux de correspondance et les facteurs de risque pour chaque étape type et suggère des critères à vérifier lors du tour suivant. Les intervieweurs peuvent utiliser ces données pour compléter les informations manquantes sur les candidats et prendre des décisions plus impartiales.
Le PDG Yoon a expliqué : « Auparavant, les décisions d’embauche reposaient sur l’intuition de l’intervieweur, mais aujourd’hui, elles peuvent être fondées sur des données. » Il a ajouté : « L’époque où l’embauche était considérée comme un art complexe sans solution unique est révolue ; elle a été remplacée par une approche scientifique. »
◼︎ Amélioration de la précision grâce à la liaison de données à plusieurs niveaux, y compris des entretiens et des vérifications de réputation.
TEO intègre et analyse diverses données, telles que les CV, les comptes rendus d'entretiens et les vérifications de réputation, afin de prédire l'adéquation des candidats aux organisations. L'application exploite les données issues des comptes rendus d'entretiens, lancée en mars dernier, ainsi que les services de vérification de réputation existants. Le processus de recrutement se déroule en plusieurs étapes : examen des documents, entretien et vérification de réputation. Plus les données relatives aux candidats s'accumulent, plus la précision des prédictions s'améliore.
Selon Yoo Yong-yeon, directeur des opérations, « le rôle de TEO est de renforcer la confiance des responsables RH dans leurs décisions ». Bien que la décision finale revienne à un humain, les résultats analytiques fournis par TEO constituent une base objective, améliorant ainsi la fiabilité de ces décisions.
Un autre facteur clé pour améliorer la précision des prédictions de TEO est l'obtention de données sur les profils de talents spécifiques à chaque entreprise. Specter redéfinit les profils de talents de ses clients grâce à un processus d'intégration de quatre semaines et affine les offres d'emploi en analysant les profils de ses meilleurs talents internes. Ces données servent à entraîner des modèles prédictifs ; plus les profils de talents sont distincts, plus la prédiction du taux d'adéquation entre l'entreprise et les candidats est précise.
Le PDG Yoon a expliqué : « En recrutant de nouveaux candidats grâce à la solution « TEO », nous enrichissons constamment les profils des candidats retenus. Plus nous utilisons cette solution, plus elle devient précise. »
◼︎ Précision de 93,7 % dans les prédictions de réussite/échec à l'embauche… Poursuivant le parcours d'innovation « une première mondiale ».
Specter a développé le modèle de prédiction par IA « TEO » à partir de centaines de milliers de données de recrutement, incluant les compétences, la réputation, l'adéquation à l'entreprise et les performances professionnelles des candidats. Actuellement, les tests menés auprès de cinq entreprises affichent une précision de prédiction de 93,7 %. Ce chiffre est supérieur de plus de 20 points de pourcentage à la précision de l'algorithme de sélection des talents de Google (environ 70 %).
Specter prévoit de poursuivre ses efforts de recherche et développement, en collaboration avec des partenaires, afin d'améliorer la précision de ses modèles. Une prise en charge multilingue est également prévue pour le marché mondial. Le PDG, M. Yoon, a déclaré : « Nous continuerons d'innover et de résoudre les problèmes urgents du marché des RH », exprimant ainsi son ambition de devenir un chef de file de l'innovation dans le secteur mondial des RH.
You must be logged in to post a comment.