![man in a business suit](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2Fd694bc29-cd50-4d5e-bfa0-8347c497de71_hunters-race-MYbhN8KaaEc-unsplash.jpg%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C5066%2C3377%26w%3D5066%26h%3D3377&w=3840&q=75)
Développer les talents organisationnels : Pourquoi les données sont essentielles pour maximiser les rendements
Les données l'emportent sur l'intuition
En 2002, Billy Beane, directeur général des Oakland A's, a changé à jamais la façon dont les équipes de baseball sont construites. Après avoir perdu quelques-uns de ses joueurs vedettes au profit de l'agence libre et n'avoir qu'une fraction du plafond salarial alloué aux équipes de haut niveau comme les Yankees de New York, Beane a réalisé que s'il voulait constituer une équipe de baseball compétitive, il devrait le faire sans les meilleurs talents.
Son approche a révolutionné le monde du baseball. Elle était centrée sur l'utilisation de données - des mesures quantitatives des performances des joueurs - qui lui ont permis de découvrir des valeurs ignorées par tous les autres. Il s'avère que les données froides et dures constituent un meilleur guide pour comprendre la valeur d'un joueur que l'intuition des recruteurs.
Jouer au "Moneyball" organisationnel
Cette histoire, popularisée par le film à succès Moneyball, n'est pas si différente de la construction et de la gestion d'une organisation : les entreprises sont chargées d'allouer des ressources limitées (talents) de manière à maximiser la valeur de l'entreprise. Les organisations peuvent imiter la stratégie Moneyball de Beane en utilisant les données pour mieux associer les talents à la valeur - mais il ne s'agit pas seulement de savoir quelles données vous collectez. Mais il ne s'agit pas seulement des données que vous collectez, il s'agit de la manière dont vous les utilisez.
Les organisations ont désormais la possibilité de collecter des données tout aussi objectives que les RBI (runs batted in). Les indicateurs clés de performance (ICP) donnent une évaluation de haut niveau de la réussite d'une entreprise et peuvent être décomposés en tâches de plus en plus discrètes qui constituent le travail productif d'une organisation. Les évaluations personnelles ou les expériences comportementales, qui permettent de mieux cerner les préférences, les intérêts et les attributs des employés, peuvent fournir des informations fondées sur des données.
Lorsqu'elles sont utilisées efficacement, les données peuvent créer une meilleure adéquation entre les rôles organisationnels et les compétences et intérêts des employés, de sorte que chacun ait la possibilité de s'épanouir.
Les promesses et les dangers des décisions fondées sur les données
Lorsqu'il s'agit de répartir les talents au sein d'une organisation, une approche fondée sur les données présente deux avantages.
- Prendre de meilleures décisions en matière de réaffectation des talents
En évaluant plus précisément les compétences des salariés et en clarifiant les tâches et les responsabilités d'un poste donné, il est plus facile d'identifier les salariés les mieux adaptés à des fonctions spécifiques. - Mobilisation plus rapide des talents de l'organisation
Les perturbations dans la main-d'œuvre peuvent entraîner des pénuries dans des domaines de compétences clés ou dans des fonctions essentielles à la mission. Le fait de disposer d'indicateurs de performance actualisés permet de mettre en évidence les talents internes les plus aptes à pourvoir un poste vacant ou à assumer des responsabilités clés dans l'intervalle. De plus, des pratiques de réaffectation plus souples se sont avérées bénéfiques pour les performances de l'entreprise. Un rapport de McKinsey a révélé que les organisations qui réaffectent rapidement les talents ont deux fois plus de chances de dépasser leurs concurrents que celles qui réaffectent lentement les talents.1
![chart showing frequency of talent acquisition review](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2Ffbcd4ef3-ec56-4562-9797-a76655ede016_Images%2Bfor%2BInsights%2B%2528May%2B19%2529%2B-%2BF.png%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C960%2C540%26w%3D960%26h%3D540&w=1920&q=75)
Mais l'utilisation d'une approche fondée sur les données comporte des risques. Si le processus de prise de décision ou les données elles-mêmes sont biaisés, l'approche n'apportera pas la valeur escomptée. Pour prendre les bonnes décisions en matière de réaffectation des talents, il faut examiner attentivement les biais cognitifs qui influencent notre jugement - et qui peuvent être plus subtils que vous ne le pensez.
Un exemple illustratif : le principe de Peter
Lorsqu'il s'agit de répartir les talents au sein d'une organisation, la sagesse conventionnelle n'est pas toujours le meilleur guide. Prenons, par exemple, le principe de Peter : il postule que, dans une organisation hiérarchique, chaque employé s'élèvera au niveau de son incompétence.2
La logique veut qu'un employé très performant soit promu jusqu'à ce qu'il s'installe dans un poste sous-optimal qui ne justifie pas une nouvelle promotion. Bien que le principe de Peter ait été conçu à l'origine comme une remarque satirique, pour de nombreuses organisations, il est un peu trop proche de la réalité. Les organisations qui commettent cette erreur partent du principe que le salarié le plus "talentueux" ou le plus performant est le plus apte à être promu. Cela peut s'appliquer dans certains cas, mais lorsqu'une nouvelle fonction exige des compétences et des traits de personnalité différents, les performances de l'employé en pâtissent souvent.
Les données peuvent mettre en lumière les angles morts de l'organisation
Les données ne sont pas utiles si elles alimentent un processus de prise de décision qui repose sur des hypothèses erronées. Les données peuvent donner une indication plus précise des employés les plus performants, mais ce ne sont pas toujours les plus performants qui sont les meilleurs candidats pour gravir les échelons de l'organisation.
Pour éviter ces angles morts dans la prise de décision, les entreprises peuvent s'appuyer sur les sciences du comportement pour exploiter plus efficacement leurs données. Pour mieux comprendre les biais qui influencent les décisions de réaffectation, il est utile d'analyser plus en détail les principes de Peter.
L'erreur du principe de Peter : l'effet de halo
Pourquoi supposons-nous que l'employé le plus performant est le plus apte à être promu ? L'une des explications est l'effet de halo, qui se produit lorsque la perception positive que nous avons d'une personne dans un domaine est appliquée à tort à un autre domaine. C'est à cause de l'effet de halo que nous pouvons constater que l'employé le plus performant dans le domaine de la vente ne fait pas le meilleur manager, pas plus que le joueur de sport le plus performant ne fait le meilleur entraîneur.
![halo effect illustration](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2Fcf66aa99-e19c-4d01-8917-cfbdbfef40f9_unnamed%2B%252813%2529.png%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C512%2C360%26w%3D512%26h%3D360&w=1080&q=75)
Ce biais repose sur une tendance à attribuer la réussite actuelle ou anticipée d'une personne à ses caractéristiques intrinsèques. Mais ce que nous ne prenons pas en compte, c'est que les performances d'une personne - qu'elles soient bonnes ou mauvaises - sont également fortement liées à la situation : le succès peut être autant lié à l'environnement d'une personne qu'à ses capacités personnelles. En d'autres termes, les performances d'un employé dépendent à la fois de son talent et de son adaptation au contexte organisationnel.
![performance = intrinsic ability x environment](/_next/image?url=https%3A%2F%2Fimages.prismic.io%2Fthedecisionlab%2F4e02485c-b75a-4302-92e8-a1c6fc50786e_Images%2Bfor%2BInsights%2B%2528May%2B19%2529%2B-%2BI.3.png%3Fauto%3Dcompress%2Cformat%26rect%3D0%2C0%2C960%2C540%26w%3D960%26h%3D540&w=1920&q=75)
Cette distinction est cruciale car elle reconnaît que le talent n'est pas toujours reflété par la performance. Il peut y avoir des talents cachés dans une organisation qui ne sont pas en mesure de s'épanouir dans un rôle qui ne leur correspond pas ou dans lequel ils manquent de soutien.
La clé pour les employeurs est d'utiliser les données pour distinguer les capacités intrinsèques des facteurs environnementaux afin de mieux comprendre où les employés apportent le plus de valeur.
En pratique : Des mesures concrètes pour aller au-delà de la corrélation
- Identifier les écarts de performance des salariés
La première étape de la mise en correspondance des talents et de la valeur consiste à identifier les écarts de performance des employés. Cela peut être mesuré par des KPI et des OKR (objectifs et résultats clés) personnalisés, qui précisent les domaines dans lesquels un employé ou une équipe éprouve des difficultés et ceux dans lesquels il ou elle excelle. En outre, les données générées par les enquêtes de satisfaction des employés peuvent indiquer où les employés ont des difficultés et orienter les stratégies d'intervention pour les soutenir au mieux. - Identifier les facteurs de causalité
L'étape suivante consiste à utiliser les données pour mieux comprendre les facteurs de causalité sous-jacents à un déficit de performance. Pour ce faire, il est possible d'exploiter les données longitudinales sur les indicateurs clés de performance et les commentaires des employés, qui peuvent être traitées par des modèles d'apprentissage automatique afin de comprendre comment les changements environnementaux affectent un résultat souhaité. Un modèle de causalité peut répondre à des questions telles que "comment un changement radical du volume de travail affecte-t-il les niveaux de stress des employés ?" ou "comment l'engagement des employés est-il affecté après un changement radical du volume de travail ? Ou "comment l'engagement des employés est-il affecté après la mise en œuvre d'un nouveau système de gestion ? - Mettre les idées en pratique
L'objectif de l'analyse causale est d'identifier les facteurs clés qui stimulent ou réduisent les performances d'un employé. Ces informations peuvent ensuite être utilisées pour adapter le rôle et l'environnement de l'employé en conséquence. Les données peuvent également être utilisées pour évaluer et améliorer de manière itérative les interventions qui s'attaquent à la cause première des écarts de performance.
En faisant la distinction entre les facteurs personnels et environnementaux qui influencent les performances, les entreprises peuvent prendre des décisions plus précises en matière de réaffectation des talents tout en créant des rôles plus personnalisés qui exploitent les points forts de chaque employé.
Cartographier les talents en fonction de la valeur pour éviter l'effet de halo
La mise en correspondance des talents et de la valeur ajoutée est essentielle pour le succès d'une organisation et les données peuvent être indispensables pour rendre ces décisions plus précises et plus souples. Mais les décisions basées sur les données sont encore sujettes à des biais cognitifs tels que l'effet de halo. En ayant une compréhension plus nuancée des facteurs de causalité qui ont un impact sur la performance, les entreprises peuvent prendre des décisions plus objectives, basées sur des preuves, qui maximisent la valeur des talents organisationnels.
Le Decision Lab est un cabinet de conseil orienté vers la recherche qui utilise les sciences du comportement pour faire avancer le bien social. Nous travaillons avec certaines des plus grandes organisations au monde pour susciter le changement et résoudre des problèmes sociétaux difficiles. La prise de décision fondée sur des données est essentielle pour éliminer les préjugés sur le lieu de travail et optimiser les talents dont disposent déjà les organisations. Si vous souhaitez vous attaquer ensemble à ce problème sur votre propre lieu de travail, contactez-nous.
References
- Barriere, M., Owens, M. et Pobereskin, S. (2018). Relier le talent à la valeur. McKinsey & Company. Consulté le 5 mai 2022 sur https://www.mckinsey.com/business-functions/people-and-organizational-performance/our-insights/linking-talent-to-value
- Peter, L. J. et Hull, R. (1970). The Peter principle. New York : Bantam.
About the Authors
Ryan McPhedrain
Ryan poursuit actuellement son doctorat en neurosciences à l'Université McGill, en se concentrant sur les mécanismes moléculaires et cellulaires de la plasticité neuronale dans le cerveau en développement. Il s'intéresse principalement à l'application de cadres comportementaux pour guider les interventions visant à améliorer la santé mentale et le bien-être. Fervent défenseur des solutions fondées sur les données, il cherche à tirer parti de la science des données et des outils d'apprentissage automatique pour améliorer les résultats comportementaux dans les domaines de la santé et de la finance numériques. Il a également participé à des campagnes de sensibilisation aux sciences affiliées à McGill, en donnant des présentations sur des sujets liés aux neurosciences à des élèves du secondaire et en répondant à des questions sur les neurosciences posées par le public. Dans ses temps libres, Ryan aime lire un bon livre, pratiquer divers sports comme le hockey, le volley-ball et le tennis, ou simplement se perdre dans la nature.