People Analytics

People analytics : passer d’une métrique à une décision

Transformez une métrique RH en décision révisable en précisant population, dénominateur, couverture, explications possibles, action et revue.

Par Rachel FosterMéthode éditoriale automatisée et sourcée6 min read
Partager
People analytics : passer d’une métrique à une décision

Réponse courte

Aller au-delà d’un dashboard RH consiste à faire d’une métrique le début d’une décision révisable. Avant d’agir, précisez la population, la période, le numérateur, le dénominateur et la couverture. Cherchez ensuite des comparaisons valides, des explications alternatives et du contexte proportionné. Une personne responsable choisit une action limitée et une date de revue.

Un graphique peut signaler qu’une question mérite attention. Il ne dit pas, à lui seul, pourquoi un groupe a changé, ce que vit chaque personne ni quelle intervention produira un résultat. Gardez cette distinction lorsque vous passez d’un indicateur collectif à une discussion sur le travail.

Une métrique décrit un groupe dans un cadre précis

Les people analytics servent à analyser des données sur les personnes afin de résoudre un problème de travail. Le CIPD distingue notamment données quantitatives et qualitatives, corrélation et causalité, ainsi que les responsabilités de la démarche. Cette base aide à éviter deux raccourcis : prendre une moyenne pour l’expérience de chaque personne, ou traiter deux évolutions simultanées comme une preuve de cause.

Même deux indicateurs appelés « engagement » peuvent ne pas représenter la même chose. Le rapport technique 2024 du Federal Employee Viewpoint Survey décrit une méthode et des sous-indices propres à cette enquête. Avant toute comparaison, vérifiez les questions, le calcul, la population invitée et la période. Un changement de méthode ou de population peut rendre une comparaison fragile.

La fiche métrique-vers-décision

Utilisez cette fiche pour une seule décision opérationnelle. Elle ne transforme pas une donnée RH en certitude ; elle rend le raisonnement vérifiable.

ChampÀ consignerQuestion de contrôle
DécisionL’action concrète à choisirQu’allons-nous décider, et qui en est responsable ?
MétriqueDéfinition et méthode de calculQue mesure-t-elle exactement ?
Population et périodePersonnes concernées, lieu, datesQui peut être inclus ou exclu ?
Numérateur et dénominateurPar exemple, 18 réponses positives sur 30 réponses utilisablesLe pourcentage masque-t-il le volume réel ?
CouvertureInvitations, réponses, données manquantesLa voix de certains sites, horaires ou groupes manque-t-elle ?
ComparaisonPériode ou groupe de référenceLes questions, conditions et populations sont-elles comparables ?
Explications possiblesAu moins deux hypothèses, dont une liée à la mesureQu’est-ce qui pourrait aussi expliquer ce constat ?
Contexte à recueillirQuestions ouvertes ou faits opérationnels à vérifierQuel contexte est utile, sans demander plus que nécessaire ?
Action et revueUne action, son propriétaire, la date et la trace attendueQue vérifierons-nous au prochain point ?

Le Magenta Book du HM Treasury propose une discipline proche : clarifier la question, prévoir l’évaluation dans la conception, puis interpréter les résultats à la lumière du contexte et des limites. Ce n’est pas une validation d’une action RH ; c’est un rappel utile que l’observation et l’effet ne sont pas la même chose.

Exemple fictif : une comparaison de deux sites

Cet exemple est fictif. Il n’établit ni la cause d’un résultat ni l’effet de l’action proposée.

Une entreprise de services compare une question d’enquête sur la clarté des priorités, dans une enquête menée de mai à juin. À Manchester, 36 personnes sur 48 invitées répondent ; 18 donnent une réponse positive. La mesure est donc 18/36 réponses utilisables, soit 50 %, avec une couverture de 36/48 personnes invitées, soit 75 %. À Boston, 22 personnes sur 25 répondent, dont 16 positives : 16/22, soit 72,7 %, avec une couverture de 22/25, soit 88 %. La population invitée n’est pas forcément toute la population éligible : gardez les exclusions visibles. Les deux pourcentages ne suffisent pas à conclure qu’un site est mieux managé ou qu’une personne est moins engagée.

La responsable RH note qu’un changement d’outil de ticketing a eu lieu à Manchester pendant la période. Elle vérifie aussi si les horaires, le questionnaire et les personnes invitées sont comparables. Avec un représentant des opérations et un manager, elle recueille des exemples volontaires sur le moment où les priorités deviennent ambiguës : début de service, passage d’un ticket à l’autre, ou escalade client. Des personnes décrivent des difficultés, d’autres disent que le nouvel outil a clarifié leur travail. Ces contre-exemples empêchent de raconter une explication unique.

La décision est limitée : le responsable des opérations teste une règle de tri explicitée au début de chaque service pendant deux semaines. Le 15 juillet, il vérifie avec l’équipe RH la disponibilité de la règle, les exemples d’usage et la métrique suivante. Le dossier indique ce qui a changé et ce qui reste incertain ; il ne prétend pas mesurer « l’engagement réel » de chaque salarié.

Ajouter du contexte sans confondre récit et fait vérifié

Des questions ouvertes, des échanges volontaires et des faits opérationnels peuvent aider à examiner une métrique. Ils ne sont pas un détecteur de ton, d’intention ou de risque individuel. Un récit récent peut être exact, partiel, daté ou contredit par une autre expérience ; il doit donc garder sa source, sa période et ses limites.

Si une organisation utilise Lontra, les collaborateurs invités peuvent décrire une situation de travail dans des conversations guidées. Les managers reçoivent des briefs, jamais les conversations brutes. Les personnes compétentes restent responsables de l’action et de son examen. Lorsqu’il est permis, un contexte daté peut être revu lors d’une campagne ultérieure dans Living Memory ; Ask Lontra aide un utilisateur autorisé à explorer le contexte accessible, mais ses réponses doivent être vérifiées. Aucun de ces éléments ne prouve une cause ni ne décide à la place d’un humain.

Pour une présentation du flux et de ses limites, consultez le produit Lontra. Pour choisir un premier test IA RH, le guide sur les cas d’usage IA RH traite une étape différente : le choix du test, pas l’interprétation d’une métrique déjà disponible.

Pour tester une question de travail avec Lontra, définissez le groupe, le responsable de la revue et le retour prévu aux participants. L’essai de la plateforme couvre une campagne avec jusqu’à 30 invitations sur 60 jours, sans carte bancaire.

Sources

Questions fréquentes

Que signifie aller au-delà d’un dashboard RH ?

Cela signifie utiliser une métrique comme point de départ d’une décision : préciser ce qu’elle mesure, vérifier population et couverture, examiner des explications possibles, choisir une action et fixer une revue.

Les récits de collaborateurs prouvent-ils la cause d’une métrique ?

Non. Ils apportent du contexte, des exemples et des explications possibles. Ils ne prouvent pas une cause et ne transforment pas une observation de groupe en jugement individuel.

Que doit contenir une fiche métrique-vers-décision ?

La fiche doit contenir la métrique, la population, la période, le numérateur, le dénominateur, la couverture, les comparaisons valides, les explications possibles, le responsable, l’action et la date de revue.

Un problème, une équipe, une prochaine action

Découvrez un exemple fictif de diagnostic : les observations recueillies, les explications à vérifier et une action à discuter avec l’équipe.

Voir le cas du diagnostic terrain

Plus dans Blog