People analytics : transformer la data RH en levier de décision stratégique 

Toutes les organisations ne pratiquent pas le people analytics au même niveau. Le modèle des quatre étages, inspiré des travaux de Bersin et popularisé par les cabinets RH, donne un cadre clair pour se situer et progresser. Pour une organisation engagée dans un processus de recrutement efficace, chaque niveau apporte une valeur incrémentale.

• Le descriptif : la base à ne pas négliger 

Mesurer ce qui s’est passé. Tableaux de bord effectifs, masse salariale, absentéisme, ancienneté. La majorité des organisations s’arrêtent ici. C’est utile mais insuffisant. Une équipe RH qui ne maîtrise pas son descriptif ne pourra ni diagnostiquer ni prédire avec fiabilité, et perdra rapidement la crédibilité auprès du COMEX. 

• Le diagnostic : comprendre les causes 

Identifier les facteurs qui expliquent un phénomène. Un turnover de 22 % en commercial peut s’expliquer par la rémunération, le management, l’absence de perspectives ou la concurrence. Le diagnostic croise les variables et fait émerger les leviers d’action. C’est l’étage que la plupart des projets atteignent après six à douze mois de structuration. 

• Le prédictif : anticiper les risques 

Construire des modèles statistiques pour anticiper. Quel collaborateur risque de partir dans les six mois ? Quel candidat a le plus de probabilités de réussir sa période d’essai ? Le prédictif exige une qualité de données importante et une expertise statistique. Il transforme la fonction RH d’un rôle réactif à un rôle proactif, capable d’agir avant que le problème ne survienne. 

• Le prescriptif : recommander des actions 

L’étape ultime. L’analyse génère directement des recommandations actionnables : augmenter ce collaborateur, proposer une mobilité à celui-ci, ajuster ce processus de recrutement. C’est le niveau où le people analytics rejoint l’aide à la décision automatisée. Seules les organisations très matures y arrivent, et cela impose une vigilance forte sur la conformité IA Act et le respect des droits des collaborateurs.  

Un bon dashboard people analytics ne cherche pas l’exhaustivité mais la pertinence. Les sept indicateurs ci-dessous couvrent les quatre dimensions clés : recrutement, engagement, performance et coût. Ils sont valables aussi bien pour une DRH classique que pour une agence d’intérim qui pilote un volume important d’intérimaires. 

• Time-to-hire : nombre de jours moyens entre l’ouverture du poste et la signature. KPI clé pour évaluer l’efficacité du sourcing et de la sélection. 

• Quality-of-hire : note attribuée aux nouvelles recrues à 6 ou 12 mois (performance, intégration, rétention). C’est le vrai juge de paix du recrutement. 

• Turnover global et volontaire : taux de départ sur 12 mois, segmenté par service, ancienneté et motif. Le turnover volontaire élevé est un signal d’alerte managérial fort. 

• Engagement collaborateur (eNPS ou pulse) : indicateur récurrent qui mesure la propension à recommander l’entreprise comme employeur. Plus prédictif qu’on ne le pense. 

• Coût par recrutement : intégrant frais de diffusion, temps recruteur, outillage, prime de cooptation. À comparer au coût de remplacement d’un collaborateur, généralement 6 à 9 mois de salaire. 

• Taux d’absentéisme : nombre de jours d’absence rapporté aux jours travaillés. Croisé avec l’ancienneté et le service, il révèle des problèmes managériaux ou organisationnels. 

• Taux de mobilité interne : pourcentage de postes pourvus par promotion ou mobilité. Indicateur direct de la santé du marché interne et de l’attractivité de la marque employeur. 

Un projet people analytics réussi ne commence jamais par l’achat d’un outil. Il commence par une question business à laquelle la fonction RH doit répondre. Les cinq étapes ci-dessous, validées par les retours d’expérience des cabinets RH, structurent le déploiement. Pour les acteurs de l’intérim, elles s’intègrent dans une démarche plus large pour optimiser le processus d’intérim. 

Étape 1 : Définir les questions business prioritaires 

Avant la donnée, la question. Quel est le sujet sur lequel le COMEX attend des réponses ? Turnover ? Coût de recrutement ? Diversité ? Productivité ? Choisir deux ou trois questions concrètes plutôt qu’un projet tentaculaire. Cette priorisation donne le périmètre et garantit que les premiers livrables auront un impact business mesurable et reconnu en interne. 

Étape 2 : Auditer la qualité et la disponibilité des données 

Les données RH sont souvent éclatées entre SIRH, paie, ATS, outils de gestion de la formation, fichiers Excel. La phase d’audit cartographie les sources, leur fiabilité et leur fréquence de mise à jour. Sans donnée propre, pas d’analyse fiable. Cette étape révèle souvent des silos et impose une démarche de gouvernance partagée avec les équipes IT et finance. 

Étape 3 : Choisir les outils adaptés 

Power BI, Tableau, Looker Studio pour la visualisation. Un SIRH moderne pour la consolidation. Un ATS analytique comme Carerix pour la donnée candidat. Le choix dépend du niveau de maturité visé et du budget. Pour démarrer, mieux vaut un outil simple bien maîtrisé qu’une plateforme complexe sous-exploitée. Le ROI d’un bon outil de recrutement s’évalue sur 18 mois. 

Étape 4 : Structurer l’équipe et les compétences 

Le people analytics exige un trio : un sponsor RH qui porte le sujet, un analyste data qui maîtrise les outils, un référent métier qui interprète les résultats. Selon la taille de l’organisation, ces rôles peuvent être tenus par une seule personne ou trois équipes distinctes. La capacité à dialoguer avec les opérationnels conditionne souvent plus le succès que la technicité pure des analyses, notamment dans les démarches d’expérience candidat. 

Étape 5 : Cadencer le pilotage et l’amélioration continue 

Un dashboard publié et oublié ne sert à rien. Le rythme idéal : comité people analytics trimestriel, revue de KPI mensuelle, alertes hebdomadaires sur les indicateurs critiques. Documentez les décisions prises sur la base des analyses, mesurez leur impact, ajustez les modèles. Sans ce pilotage actif, le projet s’enlise et la fonction RH perd la crédibilité gagnée lors du lancement.

EN SAVOIR PLUS

Le secteur de l’intérim concentre des datasets uniques : volumes de candidatures massifs, missions courtes répétées, relevés d’heures détaillés, satisfaction croisée intérimaire-client-agence. Pourtant, peu d’acteurs exploitent réellement ces données. La talent acquisition appliquée à l’intérim gagne énormément à intégrer une couche analytique structurée. 

Une gestion d’un vivier de talents intérimaire génère des données précieuses : taux d’acceptation des missions, durée moyenne de mission, taux de renouvellement, satisfaction des entreprises utilisatrices, taux de no-show. Croisées avec les profils, ces données identifient les meilleurs intérimaires, les agences les plus performantes et les secteurs à fort potentiel de fidélisation. 

Taux de comblement (missions pourvues / missions ouvertes), durée moyenne de mission par secteur, taux de retour intérimaire (proportion d’intérimaires qui acceptent une nouvelle mission). Ces trois indicateurs sont absents des dashboards RH classiques mais structurent la performance d’une entreprise de travail temporaire. Les croiser avec un vivier de candidats qualifié et un vivier de talent diversifié devient une source d’avantage compétitif majeure. 

Les modèles d’IA prédictive identifient les intérimaires à fort potentiel de fidélisation, anticipent les ruptures de mission, suggèrent les meilleurs matchs candidat-mission. Les démarches d’IA et gestion des talents multiplient l’impact du people analytics sur la performance opérationnelle. La condition reste la même : qualité des données d’entrée et supervision humaine sur les décisions sensibles.. 

Un projet people analytics mal cadré produit l’effet inverse : décisions biaisées, perte de confiance des collaborateurs, exposition juridique. Quatre écueils concentrent l’essentiel des échecs constatés sur le terrain, indépendamment de la taille de l’organisation ou du coût d’un recrutement cible. 

1. La quête des vanity metrics 

Mesurer pour mesurer. Empiler les indicateurs sans hiérarchie ni lien avec une décision. Un dashboard à 40 KPI où personne ne sait quoi regarder en priorité. Mieux vaut 5 indicateurs critiques suivis sérieusement et alignés sur la stratégie, que 50 KPI cosmétiques qui paralysent la prise de décision et décrédibilisent la fonction RH auprès des opérationnels. 

2. L’oubli du RGPD et des biais algorithmiques 

Les données RH sont par nature sensibles. Toute démarche analytique impose une base légale, une finalité, une durée de conservation et une information transparente des collaborateurs. Sur les modèles prédictifs, les biais d’entraînement reproduisent les discriminations historiques. Audit régulier des modèles et supervision humaine deviennent obligatoires, d’autant plus depuis l’entrée en vigueur progressive de l’IA Act. 

3. La sur-confiance dans la prédiction 

Un modèle prédictif n’est jamais infaillible. Présenter un score de risque de départ comme une vérité absolue conduit à des décisions managériales injustes. Les modèles doivent être interprétés comme des aides à la décision, pas comme des oracles. Communiquer en interne sur les limites des modèles autant que sur leurs résultats préserve la confiance des managers et des collaborateurs. 

4. L’absence d’appropriation par les managers 

Un dashboard que les managers ne consultent jamais ne sert à rien. La conduite du changement est aussi importante que la technologie. Former les managers à lire les indicateurs, organiser des revues métiers régulières, valoriser les décisions prises sur la base de la donnée. Sans cette appropriation, le people analytics reste un projet RH isolé, sans impact réel sur la performance opérationnelle. 

• Quelle différence entre people analytics et HR analytics ? 

Les deux notions sont très proches. HR analytics se concentre traditionnellement sur les indicateurs RH classiques (turnover, absentéisme, masse salariale). People analytics élargit le périmètre aux comportements, à l’engagement et à l’expérience collaborateur, avec une dimension plus prédictive et prescriptive. En pratique, les frontières sont floues et les deux termes sont utilisés de manière interchangeable dans la littérature professionnelle. 

• Combien de temps pour déployer un projet people analytics ? 

Comptez 3 à 6 mois pour produire les premiers dashboards descriptifs fiables, 12 à 18 mois pour atteindre un niveau diagnostique mature, et plus de 2 ans pour des modèles prédictifs robustes. Le rythme dépend de la qualité initiale des données, de la disponibilité des compétences analytiques en interne et du soutien du COMEX au projet. 

• Quels outils utiliser pour démarrer ? 

Pour une PME, Excel ou Google Sheets couplés à Looker Studio suffisent à démarrer. Pour des organisations plus matures, Power BI ou Tableau s’imposent. Un SIRH moderne, un ATS analytique et une solution de pulse engagement complètent l’écosystème. L’outil compte moins que la qualité des données qu’il consolide et l’usage qui en est fait par les équipes. 

• Le people analytics est-il conforme au RGPD et à l’IA Act ? 

Oui, à condition de respecter plusieurs principes : base légale claire, finalité définie, minimisation des données, durée de conservation limitée, information transparente des collaborateurs. Les modèles prédictifs affectant des décisions individuelles (recrutement, promotion, licenciement) relèvent de l’IA Act haut risque depuis août 2026. Documentation, supervision humaine et journalisation sont obligatoires. 

• Quelle taille d’organisation est concernée ? 

Toutes. Une PME de 50 collaborateurs peut suivre 5 KPI clés et en tirer des décisions concrètes. Une ETI commencera par cartographier ses données. Un grand groupe pourra investir dans des modèles prédictifs avancés. Le people analytics est une démarche, pas une taille d’outil. La maturité progressive importe plus que l’ambition initiale ou la sophistication technique de la solution retenue. 

• Comment convaincre la direction de lancer un projet ? 

Trois leviers fonctionnent. Premièrement, chiffrer un cas d’usage à fort impact (coût du turnover, coût des recrutements ratés). Deuxièmement, présenter un quick win réalisable en 90 jours sur un périmètre restreint. Troisièmement, montrer un retour d’expérience d’un concurrent ou d’un acteur du même secteur. La data parle à la direction quand elle est traduite en euros et en décisions concrètes.