La préparation des collaborateurs commence par la visibilité des compétences

Si vous demandez à la plupart des responsables RH si leur entreprise s'oriente vers des effectifs adaptables, leur réponse sera oui. Demandez-leur s’ils savent, aujourd'hui, ce que leurs effectifs sont réellement capables de faire, et la réponse devient rapidement compliquée. Parce que la préparation des collaborateurs est compliquée.

Pourtant, cette question — savez-vous vraiment de quoi vos collaborateurs sont capables aujourd'hui ? — bénéficie rarement de l'attention directe qu'il mérite.

La visibilité des effectifs est la première capacité dont dépendent des effectifs adaptables et, pour la plupart des entreprises, c'est aussi la fondation la plus précaire sur laquelle elles se construisent.

Il existe un moment que la plupart des responsables RH connaissent bien. Une initiative stratégique est à l'arrêt, et quelqu'un dans la salle se demande si l'entreprise dispose des collaborateurs nécessaires pour la finaliser. Vous le pensez, mais quand il s'agit de le prouver, les données ne sont pas au rendez-vous. Au lieu de cela, vous ne trouvez que des intitulés de poste, des dossiers d'achèvement et, peut-être, une évaluation des compétences de l'année dernière que la moitié des collaborateurs n'a jamais terminée. Ainsi, l'entreprise opte par défaut pour le recrutement externe. Des mois passent, la fenêtre d’opportunité se referme et, quelque part dans l'entreprise, trois collaborateurs qui auraient pu faire le travail se sentent invisibles et commencent à chercher ailleurs.

Il s'agit d'une défaillance en matière de données sous le masque d'une défaillance de la stratégie de gestion des talents. Et, tant que les entreprises ne la traiteront pas comme telle, chaque initiative en matière de compétences, chaque marketplace des talents, chaque programme de mobilité interne continuera de sous-performer, parce que les fondations sous-jacentes n’ont jamais été construites pour soutenir les décisions qu’on leur demande de prendre.

Le problème de confiance qui revient sans cesse

Les stratégies de gestion des talents basées sur les compétences tendent à échouer d'une manière bien particulière. Elles s’effondrent rarement complètement. Au lieu de cela, leur crédibilité diminue silencieusement, et le schéma est presque toujours le même.

Un dirigeant demande qui a une expérience en architecture cloud. Le système renvoie une longue liste. Certains de ces collaborateurs ont terminé une formation il y a deux ans. Certains utilisent des systèmes de production depuis six mois. Le leader ne fait pas la différence, il hésite, et son hésitation n'a rien à voir avec une résistance à l'idée. Les données ne peuvent tout simplement pas servir de fondement à la décision qu’on cherche à prendre.

Une équipe en charge de l’apprentissage lance un programme stratégique de renforcement des compétences. Six mois plus tard, les lacunes ne semblent pas se combler. Le système enregistre les achèvements plutôt que les changements de capacité, ce qui envoie un signal positif même si les résultats ne sont pas au rendez-vous.

Une marketplace des talents propose des candidats internes pour un nouveau poste, et les managers rejettent ces recommandations parce qu’ils ne voient pas l’adéquation entre le candidat et la fonction. L'adoption ralentit. La plateforme est toujours active sur le plan technique, mais elle n'est plus pertinente du point de vue opérationnel.

De l'extérieur, aucun dysfonctionnement n'est visible. Les outils fonctionnent et les tableaux de bord se mettent à jour. Cependant, le modèle de données sous-jacent ne peut pas étayer les décisions prises avec celui-ci, ce qui pousse les collaborateurs à compenser. Ils comptent sur leur mémoire, font confiance à leurs réseaux personnels et valident via des conversations informelles, non pas parce qu'ils résistent aux approches fondées sur les compétences, mais parce que les données ne sont jamais suffisamment fiables pour remplacer leur propre jugement.

C'est le problème de confiance au cœur de la visibilité des effectifs, et il tend à persister tant que les entreprises ne comprennent pas la véritable nature des données relatives aux compétences et ne construisent pas leur infrastructure en fonction de cette réalité plutôt qu’en fonction de ce qui est le plus facile à collecter.

Ce qui rend les données sur les compétences plus difficiles à recueillir que tout autre type de données d’entreprise

La cause fondamentale ici est une erreur de catégorie, et le reconnaître modifie entièrement votre approche de la solution.

La plupart des données des entreprises décrivent des faits. Un paiement a été traité, une unité a été expédiée, un contrat a été signé. Il s'agit d'événements déterministes qui se sont produits ou non. Vous les enregistrez une fois et vous y fiez indéfiniment. Les compétences sont d’un tout autre ordre. Il s'agit d'évaluations probabilistes, des inférences tirées de preuves fragmentaires plutôt que de faits que l'on peut simplement enregistrer.

Réfléchissez à ce que signifie réellement le fait de dire qu’une personne possède des compétences en architecture cloud. Quelles plateformes ? À quel point ? Dans quelle mesure sont-elles à jour ? Sur quelle preuve repose cette affirmation ? Vous observerez peut-être qu'elle a terminé une certification il y a quatorze mois, a travaillé sur une autre partie de la pile technologique depuis cinq mois et a récemment demandé à un collègue de l'aider à résoudre un problème de configuration. Une interprétation raisonnable de ces signaux est qu’ils traduisent un niveau de confiance modéré dans les déploiements cloud standards, en diminution avec le temps, et un niveau de confiance plus faible dans les travaux d’architecture avancée. Mais la plupart des systèmes ne stockent qu'une seule entrée : architecture cloud, présente.

Ceci est extrêmement important pour la préparation des collaborateurs. Des effectifs adaptables dépendent de la capacité à savoir non seulement si une compétence existe au sein de l’entreprise, mais aussi dans quelle mesure elle est à jour, à quel niveau de maîtrise elle est présente et où elle se trouve précisément. Un registre des compétences qui ne peut répondre à ces questions procure un faux sentiment de visibilité plutôt qu'un véritable aperçu, et les décisions prises sur cette base ont tendance à aggraver le problème plutôt qu'à le résoudre.

La pauvreté des données liées au travail : pourquoi la plupart des capacités démontrées ne deviennent jamais des données utilisables

Même si les systèmes sont conçus pour gérer efficacement des données probabilistes, il existe un défi structurel plus profond sous-jacent. La plupart des entreprises ne recueillent tout simplement pas quel travail leurs collaborateurs effectuent réellement.

Pensez à un manager produit qui pilote votre initiative la plus stratégique depuis dix-huit mois. Où se trouvent les preuves de ses capacités réelles ? Son travail de stratégie se trouve dans un outil, ses feuilles de route dans un autre, ses recherches sur les utilisateurs dans un troisième et la coordination avec les parties prenantes est dispersée entre les e-mails et les discussions. Chaque système détient un fragment, aucun n'a une vue d'ensemble complète, et aucun mécanisme ne permet de consolider ces fragments lorsqu’il faut décider qui devrait diriger la prochaine grande ligne d’activité produit.

À titre de comparaison, dans la finance, chaque transaction est immédiatement enregistrée dans l’ERP, tandis que dans les ventes, chaque interaction est consignée dans le CRM. Dans les deux domaines, le signal de capacité existe et est systématiquement recueilli. Au sein des effectifs, le travail se fait, de la valeur est créée et les capacités sont démontrées, mais presque rien ne devient une donnée structurée et utilisable. Les systèmes étaient conçus pour gérer le travail, plutôt que pour générer les signaux de capacités dont dépendent les décisions en matière d'effectifs.

C'est la pauvreté des données liées au travail. C'est une réalité architecturale qui sous-tend chaque initiative de visibilité des effectifs qu'une entreprise a menée, et c'est la raison pour laquelle le passage à des effectifs adaptables nécessite une approche différente quant aux données à collecter et à la manière de le faire, plutôt que de simplement améliorer les rapports existants.

Les entreprises qui ont conçu une véritable visibilité des effectifs y ont répondu directement. Elles déduisent les compétences de l'activité réelle au travail et du comportement en matière d'apprentissage plutôt que d'attendre les auto-évaluations ou les cycles d'évaluation formelle. Elles considèrent que la situation des compétences évolue en permanence. Si l'on se contente d'une actualisation annuelle, toutes les décisions prises entre les mises à jour reposeront sur une vue obsolète des effectifs.

Comment des données de mauvaise qualité sur les compétences minent l'adaptabilité des effectifs à tous les niveaux

Lorsque qu'une initiative stratégique ou un programme de transformation stagne, le premier réflexe est de mettre en cause la technologie ou la gestion du changement. La cause la plus courante est l’incertitude concernant les compétences disponibles : les entreprises investissent dans des plateformes et des outils sans savoir si elles disposent réellement en interne des talents nécessaires pour les utiliser, les faire évoluer ou les diriger. Des données plus fiables sur les capacités simplifient grandement la situation. Cela rend les talents internes visibles avant tout engagement, et permet de distinguer les véritables lacunes des capacités connexes qui peuvent être développées rapidement. C'est souvent cette différence qui fait toute la distinction entre une transformation réussie et une expérience pilote onéreuse.

La dotation en personnel pour les projets dépeint un tableau similaire. Lorsque les données sur les capacités sont précises et à jour, les fonctions cruciales sont pourvues plus rapidement, les bons collaborateurs trouvent le travail qui leur convient, et le recours au recrutement externe devient une décision mûrement réfléchie plutôt qu’une réaction automatique. Lorsque les données ne sont pas fiables, les coûts s'accumulent discrètement. Les embauches externes pourvoient des fonctions que des candidats internes auraient pu pourvoir. Les prestataires externes couvrent un besoin qui existait depuis longtemps au sein de l’entreprise. Et les collaborateurs compétents qui se sentent non reconnus commencent à chercher de nouvelles opportunités ailleurs, emportant avec eux des capacités que l'entreprise ignorait posséder.

C'est en matière d'investissement dans l'apprentissage que la lacune devient particulièrement frustrante. La plupart des entreprises dépensent plus pour le développement que jamais. Mais, sans données précises sur les capacités de base, les programmes sont conçus en fonction d'hypothétiques lacunes plutôt que de lacunes avérées. La question fondamentale est de savoir s’il est réellement possible de mesurer l’efficacité de l’apprentissage. Sans cette référence, il est tout simplement impossible d’améliorer la réponse, et les investissements se poursuivent sans signal clair quant au retour sur investissement.

La mobilité interne est sans doute la conséquence la plus visible. Les collaborateurs qui pourraient occuper un poste ne sont jamais identifiés pour celui-ci. Les managers ne savent pas quels candidats envisager. La marketplace des talents recommande une correspondance qui n'est pas suivie car le raisonnement est opaque. Les données vérifiées sur les compétences permettent de rendre cette correspondance visible et justifiable, retenant ainsi des collaborateurs qui, autrement, partiraient pour des opportunités dont ils n'avaient pas réalisé l'existence au sein de l'entreprise, et réduisant le recrutement externe qui suit une attrition évitable.

Prises dans leur ensemble, ces lacunes décrivent une entreprise qui cherche à être adaptative sans la visibilité qu'exige l'adaptabilité.

Comment les responsables RH peuvent positionner les données sur les compétences en infrastructure d'entreprise

Le débat sur les compétences est considéré depuis trop longtemps comme une initiative RH, et cette façon de voir les choses a un coût silencieux. Quand une initiative RH n'atteint pas ses objectifs, les RH sont responsables de l'échec. Le budget est réduit, le programme est relégué au second plan et le problème de données sous-jacent reste exactement là où il était.

Les données sur les capacités des effectifs relèvent d'une catégorie totalement différente. C'est une infrastructure d'entreprise qui relève du domaine des RH, au même niveau que les systèmes ERP, CRM et de chaîne d'approvisionnement. La finance repose sur l'ERP. Les ventes reposent sur le CRM. La chaîne d'approvisionnement s'appuie sur des tableaux de bord opérationnels intégrés. Les effectifs devraient reposer sur des données vérifiées et dynamiques sur les capacités. Ils méritent la discipline en matière d'investissement, la rigueur architecturale et l'appropriation interfonctionnelle équivalentes à celles exigées pour les autres systèmes.

Le responsable RH qui soutient cette position, qui présente les données sur les capacités comme l'infrastructure de l'entreprise et invite le directeur international et le directeur financier à partager la responsabilité de la résolution du problème, transforme à la fois la conversation et les résultats. La technologie ne doit pas forcément être nouvelle. Ce qui change, c'est que le cadre correspond enfin à l'échelle des enjeux.

C'est aussi là que la vision plus globale d'effectifs adaptables prend tout son sens. La visibilité sur les effectifs alimente l'infrastructure qui transforme l'intelligence en action. Toutefois, cette infrastructure n'atteint son plein potentiel que si une culture d'activation garantit que les managers utilisent réellement les informations mises en évidence par le système. L'obtention de données précises est le point de départ de l'ensemble du système. Le cadre des effectifs adaptables explique comment la visibilité, l'infrastructure et la culture se renforcent mutuellement, une fois cette base solidement mise en place.

Construire la connaissance de vos collaborateurs, cas d'utilisation par cas d'utilisation

Les transformations globales et descendantes des compétences tendent à échouer pour une raison prévisible. Elles exigent que l’entreprise s’accorde sur tout avant que quoi que ce soit ne puisse avancer. Les débats sur la taxonomie peuvent durer des mois. La résistance à la gestion du changement s'amplifie. L'initiative s'enlise avant même qu'une seule décision n’ait été améliorée.

Le meilleur point de départ est un point plus modeste.

Le succès découle d'applications ciblées, développées cas d'utilisation par cas d'utilisation, où chaque application apporte de la valeur, renforce la confiance dans les données et jette les bases sur lesquelles les applications suivantes pourront s'appuyer. Le premier cas d'utilisation idéal se situe au croisement de l'importance stratégique et des problèmes évidents. À titre d'exemple : un programme de transformation dont le délai est sans cesse dépassé, une initiative de croissance entravée par des lacunes en matière de talents, des dépenses liées aux sous-traitants qui ne cessent d'augmenter car les capacités internes sont invisibles pour les collaborateurs qui pourraient les réaffecter. Plus les enjeux commerciaux sont élevés et plus les coûts actuels sont mesurables, plus l'argumentaire en faveur de la conversation d'investissement qui suit est solide.

Une fois ce cas d'utilisation identifié, la tendance se confirme. Commencez par un problème d'entreprise spécifique pour lequel des données plus précises sur les capacités modifieraient fondamentalement la décision à prendre. Ne visez pas une taxonomie globale des compétences, mais concentrez-vous sur un problème avec des conséquences claires en termes de coûts ou de stratégie. Concevez l'infrastructure de données minimale nécessaire à la résolution de ce problème, plutôt qu'une architecture globale qui exigerait un alignement complet avant de pouvoir produire le moindre résultat. Mesurez les résultats opérationnels plutôt que les indicateurs RH : fonctions pourvues en interne, dotation en personnel pour les projets plus rapide, dépenses de formation orientées vers des lacunes vérifiées plutôt que supposées.

Cette connaissance permet de gérer le prochain cas d'utilisation plus rapidement et de manière plus fiable. Et, peut-être plus important encore, chaque réussite crée au sein de l'entreprise des collaborateurs qui ont constaté directement les bénéfices d’une meilleure prise de décision et qui souhaitent en voir davantage. Une telle dynamique est plus précieuse que n'importe quel mandat de gouvernance.

Conclusion

Le problème des données sur les compétences est généralement présenté comme une question liée à la technologie RH. Une taxonomie plus fine, un cadre d'évaluation plus performant, une nouvelle plateforme. Ces mesures peuvent aider à la marge, mais elles abordent la surface plutôt que la structure. Ce qui fait réellement la différence, c’est de traiter les capacités des effectifs pour ce qu’elles sont déjà : une donnée opérationnelle qui mérite le même niveau de rigueur, la même responsabilité transversale et la même discipline d’investissement que tout autre système sur lequel l’entreprise s’appuie.

La discussion la plus importante est une invitation au directeur international et au directeur financier à assumer une responsabilité conjointe pour un élément qui concerne l'ensemble de l'entreprise, et elle doit être formulée dans le langage de l'investissement dans les infrastructures, plutôt que dans celui d'un programme de RH. Le responsable RH qui défend cette idée avec force ne se contente pas de résoudre un problème de données. Il modifie les croyances de l'entreprise sur ses propres capacités.

Pour explorer l'image complète, consultez l'e-book Constituer des effectifs adaptables : la préparation des collaborateurs à l'ère de la réinvention constante.

Foire aux questions

Pourquoi la qualité des données sur les compétences est-elle importante pour la préparation des collaborateurs ?

Des effectifs adaptables reposent sur la connaissance en temps réel des capacités dont ils disposent et de leur localisation. Lorsque les données sur les compétences sont incomplètes, obsolètes ou non fiables, toute décision en matière de talents conçue sur cette base est plus fragile qu'il n'y paraît. Les investissements dans le développement sont mal ciblés, la mobilité interne échoue par manque de visibilité sur les correspondances et les entreprises se tournent vers le recrutement externe alors que les capacités dont elles ont besoin existent déjà en interne.

Qu'est-ce que la pauvreté des données liées au travail ?

La pauvreté des données liées au travail décrit la lacune structurelle où la capacité est démontrée par le travail réel, mais où elle n'est presque jamais capturée sous forme de données utilisables. Les systèmes d'entreprise ont été conçus pour gérer le travail plutôt que pour générer des indicateurs de capacités. Par conséquent, la plupart des compétences démontrées n'apparaissent simplement jamais dans un formulaire permettant d'étayer les décisions relatives aux effectifs.

Pourquoi les stratégies de gestion des talents fondées sur les compétences perdent-elles de leur crédibilité au fil du temps ?

Parce que le modèle de données sous-jacent a du mal à appuyer les décisions qui lui sont demandées. Les leaders hésitent à appliquer les recommandations des systèmes qu'ils ne peuvent pas vérifier. Les managers rejettent les propositions de la marketplace des talents qu'ils ne peuvent pas expliquer. Au fil du temps, les collaborateurs compensent par leurs connaissances informelles et leurs réseaux personnels, et le système devient marginal sur le plan opérationnel, même s'il fonctionne toujours techniquement.

Comment les responsables RH doivent-ils aborder les discussions sur les données de compétences avec le directeur international et le directeur financier ?

En tant que conversation sur l'infrastructure de l'entreprise plutôt qu'une initiative RH. Les données sur les capacités des effectifs rentrent dans la même catégorie que les ERP et les CRM, des infrastructures opérationnelles dont dépend l'ensemble de l'entreprise. Ce cadre modifie la conversation sur l'investissement, le niveau de rigueur appliqué et l'appropriation interfonctionnelle qui s'ensuit.

Par où les entreprises devraient-elles commencer pour développer les connaissance des collaborateurs ?

Par un problème opérationnel spécifique, où l'amélioration des données sur les capacités changerait fondamentalement la prise de décision, mesurée en fonction des résultats opérationnels plutôt qu'avec des indicateurs RH. Chaque cas d'usage réussi instaure ensuite la confiance et l'architecture qui rendront le suivant plus rapide et plus fiable.