Cabinet spécialisé dans l’accompagnement des évolutions professionnelles et le retour à l’emploi, Tingari a fait appel à Invenis et au Hub France IA pour mieux valoriser les données dont il dispose. Les technologies analytiques et le machine learning sont mis au service des personnes accompagnées, pour leur proposer les parcours leur offrant les meilleures chances de réussite.
Tingari est un cabinet de conseil en ressources humaines, spécialisé dans l’insertion professionnelle et le retour à l’emploi. Il compte environ 450 collaborateurs sur l’ensemble du territoire français, parmi lesquels plus de 350 conseillers qui accompagnent des actifs en reconversion et demandeurs d’emploi. En 2021, l’entreprise a décidé de faire appel à l’agence Invenis, spécialiste des données et de l’intelligence artificielle (IA). Tingari souhaitait mieux valoriser ses données, et l’entreprise a profité d’un dispositif proposé par le Hub France IA pour se faire accompagner dans son premier projet d’intelligence artificielle. En trois mois, un premier cas d’usage a été développé autour de l’optimisation des parcours de retour à l’emploi.
« Pour nous, les données sont absolument fondamentales. Nous accompagnons environ 70 000 personnes par an, avec des parcours et profils très différents. C’est une mine d’or d’information, qui jusqu’à présent était peu exploitée », explique Isabelle Brochu, directrice de l’innovation, des méthodes et du partenariat chez Tingari dans un webinaire réalisé avec Invenis. Le cabinet RH voulait valoriser ces données en construisant des outils d’aide à la décision pour ses conseillers, afin de les aider dans leurs missions. « Nous avons choisi de nous pencher sur un cas d’usage, l’optimisation du placement des bénéficiaires, afin de les accompagner du mieux possible dans leur projet professionnel, le plus rapidement possible et avec le maximum de résultats », souligne Isabelle Brochu. Sur les 70 000 bénéficiaires d’un accompagnement, environ 55 000 sont adressés par Pôle Emploi, avec des parcours et profils très différents : jeunes, intermittents, chômeurs de longue durée… Pour ces missions, l’entreprise a un budget donné et une durée limitée. « Notre finalité est de trouver le parcours le plus optimisé, en évitant d’orienter les personnes accompagnées vers des filières bouchées, des métiers où ils ne s’épanouiront pas ou des formations qu’ils n’obtiendront pas », explique Thomas Petit, directeur de la transformation numérique et des systèmes d’information chez Tingari. « Nous voulons aussi utiliser l’analyse de données et les statistiques pour faire de meilleures propositions d’accompagnement sur les publics les plus éloignés de l’emploi. » L’entreprise manquait cependant de compétences internes sur l’exploitation de données en masse avec de l’IA. « Nous n’avions ni les data scientists, ni les outils adéquats pour le machine learning », relate Thomas Petit.
Un proof of concept IA en trois mois
Le dispositif proposé par le Hub France IA a fourni à Tingari l’occasion de mettre le pied à l’étrier. Celui-ci offrait aux entreprises souhaitant lancer leur premier projet d’IA un accompagnement de 37 jours, financé à 50% par la région Île-de-France. « Ce dispositif nous a permis de bénéficier de l’appui des experts d’Invenis pour développer un cas d’usage dans un délai court, mais aussi préparer la suite », indique Thomas Petit. Le lancement a eu lieu en juillet 2021, pour une fin le 28 octobre. Une réunion de cadrage et un état des lieux ont permis de trouver plusieurs cas d’usage et de déterminer le plus pertinent parmi eux, à travers un jeu de questions-réponses. Ensuite, un proof of concept (PoC) a été élaboré selon une approche agile, avec des points d’avancement réguliers entre chaque sprint. Après un travail de préparation et d’agrégation des données de Tingari, celles-ci ont été utilisées pour prédire le taux de retour à l’emploi en fonction du profil des personnes accompagnées et du parcours proposé. Pour ce PoC, un logiciel d’analyse fourni par Invenis a été utilisé et différents algorithmes de machine learning ont été testés (forêt aléatoire, gradient boosting, etc.) afin de trouver celui donnant les meilleures prédictions. À l’issue de ce projet, l’algorithme retenu a obtenu un taux de 76% de bonnes prédictions, un résultat satisfaisant compte tenu des données disponibles.
Parmi ces données figurent notamment les informations fournies par Pôle Emploi, qui ont l’avantage, selon Thomas Petit, d’être très normées. Bassin d’emploi, code ROME pour les métiers, historique des emplois… À cela s’ajoutent les données collectées par les conseillers lors des entretiens. Des éléments comme l’âge, la formation initiale, le lieu de vie sont pris en compte pour évaluer le taux de retour à l’emploi. S’agissant de données à caractère personnel, l’entreprise veille à la conformité des traitements par rapport au RGPD et a déclaré les traitements à la CNIL. « Dans notre usage, nous faisons des statistiques de masse afin de déterminer des parcours personnalisés de retour à l’emploi. Nous croisons les statistiques avec les parcours possibles, afin de déterminer la trajectoire offrant les meilleures chances. La finalité est claire, il ne s’agit nullement de surveiller ni de pénaliser les bénéficiaires », note Thomas Petit. Les données sont traitées de façon anonymisée par l’outil, en ne conservant que les informations importantes. « Nous ne gardons que les données nécessaires. Par exemple, l’année de naissance suffit, nous n’avons pas besoin de la date entière », souligne le directeur de la transformation numérique.
L’acculturation des équipes, clef pour réussir
La réalisation du proof of concept a permis à Tingari d’identifier certains points d’amélioration, mettant notamment en évidence un manque de données, tant en termes de diversité que d’historique. « Nous estimons qu’avec davantage de données, l’algorithme peut s’approcher des 90% de bonnes prédictions », confie Édouard Nahama, data analyst chez Invenis qui a travaillé sur le projet. Pour collecter ces données, Isabelle Brochu pointe l’importance de l’acculturation des salariés : « Les projets de données et d’IA ne peuvent réussir sans un temps dédié à l’accompagnement des équipes et à l’acculturation. Nous demandons des efforts aux collaborateurs pour améliorer la qualité des données, cet effort ne sera consenti que si on lui donne du sens, si on l’inscrit dans le projet de l’entreprise. » Un avis partagé par Thomas Petit, pour qui mettre la donnée au coeur de la réflexion nécessite d’impliquer les métiers en amont, en expliquant la valeur ajoutée que cela va apporter dans l’accompagnement des bénéficiaires. « Il faut travailler sur la qualité des données, en expliquant pourquoi on collecte ces données, en les saisissant bien et mieux. Pour convaincre, il faut embarquer les collaborateurs, leur montrer que quelques clics et un changement d’habitude vont les aider dans leur travail. » Thomas Petit a également rappelé que la qualité des données pouvait s’anticiper lors de la saisie, en évitant par exemple les champs libres, en proposant des questions fermées ou obligatoires.
Tingari dresse aujourd’hui un bilan positif de cette première approche. « L’IA fait encore peur à de nombreuses entreprises. Avant le projet, nous étions un peu comme à l’orée d’une forêt. L’accompagnement nous a aidés à voir le chemin, à savoir ce qu’on pouvait en faire. Cela nous a également permis d’appréhender la problématique de façon globale et réaliste : nous collections de la donnée auparavant, mais pas forcément dans un esprit data-driven », note Thomas Petit. Les enseignements du PoC et le plan d’action proposé par Invenis vont désormais être mis à profit par Tingari afin d’enclencher les prochaines étapes, la mise en production du premier cas d’usage et le développement d’autres outils. « Nous allons continuer à travailler sur l’exploitation de notre datamart, pour mieux anticiper l’accompagnement aux bénéficiaires et mieux valoriser les données au quotidien », indique Thomas Petit. Tingari va également transformer ses outils de saisie afin de mieux calibrer les données, des travaux qui ont été intégrés au budget 2022. Cette année, l’entreprise a aussi prévu de poursuivre l’acculturation et la formation de ses équipes à travers différents ateliers, dans une volonté de bâtir une culture data en interne. « Aujourd’hui toutes les entreprises engrangent des données. Beaucoup externalisent la mise en place de l’intelligence artificielle et des data sciences. Mais notre stratégie, que préconise aussi la commission data du Syntec conseil, dont je suis membre, c’est plutôt de faire monter en compétences nos collaborateurs qui travaillent sur les données, de les faire évoluer vers ces nouveaux métiers à travers la formation », pointe Thomas Petit. « En effet, pour les projets autour des données, les connaissances métier sont capitales. Embaucher des experts techniques qui n’ont pas la vision métier ne permet pas d’exploiter le plein potentiel des données », estime le directeur de la transformation numérique.
Source : lemondeinformatique
