Comment transformer les données RH en décisions utiles ? Quang Tuan Dang, auteur de Décider avec la donnée RH, explique comment la modélisation, la rigueur statistique et la gouvernance des données peuvent éclairer le recrutement, la fidélisation et les parcours professionnels.
Selon une enquête Ifop*, 95 % déclarent que les données RH consolidées nourrissent régulièrement leurs décisions relatives aux talents, dont 45 % systématiquement. Mais comment passer de la consultation d’indicateurs à un véritable pilotage ? La transparence des rémunérations donne une actualité particulière à cette question. Le projet de loi de transposition prévoit, pour les employeurs privés, le précalcul automatique de six indicateurs d’écarts salariaux à partir de la déclaration sociale nominative (DSN). Encore faut-il disposer de données fiables, comprendre les écarts observés et déterminer les actions à engager.
Fiabiliser les données RH et les rendre utiles aux décideurs comme aux salariés : ces enjeux sont au cœur des sujets traités par WINCHApps. Pour les explorer, nous avons rencontré Quang Tuan Dang, médecin de formation, aujourd’hui directeur du pôle Data & Performance de la DRH groupe de Crédit Mutuel Alliance Fédérale et auteur de Décider avec la donnée RH. Créé en octobre 2023, ce pôle développe une démarche d’investigation des phénomènes RH : formuler des hypothèses, croiser les données et construire des modèles pour identifier des leviers d’action.
Pourquoi avez-vous souhaité écrire un livre sur la décision et la donnée RH ?
Après plusieurs années dans l’innovation et la transformation digitale, j’ai pris la responsabilité du pôle Data & Performance en partant d’une feuille blanche. La DRH disposait de données très riches, surtout utilisées pour le reporting réglementaire ou social. Nous suivions les recrutements et les départs, mais il restait à comprendre pourquoi ces phénomènes se produisaient.
Ma formation scientifique m’a conduit à constituer une petite équipe pour mener ce travail d’investigation. L’idée du livre est née en partageant cette approche avec mes pairs : je voulais donner envie aux professionnels RH de regarder leurs données autrement.
Vous distinguez la mesure du pilotage. Que manque-t-il à un tableau de bord pour devenir un outil de décision ?
Mesurer, c’est constater un phénomène. Piloter, c’est chercher à l’expliquer, anticiper ses évolutions et éclairer une décision. Un taux de départ ou un délai de recrutement ne suffit pas à savoir sur quoi agir : il faut interroger les facteurs qui l’expliquent et les confronter aux données. Nous passons ainsi du reporting à une démarche de recherche, presque scientifique : la donnée RH devient les phares qui éclairent la route, au-delà du rétroviseur qui montre le chemin parcouru.
Concrètement, comment passez-vous de données RH dispersées à des modèles qui aident à décider ?
Prenons le recrutement. Une entreprise peut vouloir réduire son délai moyen de 60 à 45 jours. Une fois cet objectif atteint, l’indicateur passe au vert. Mais avant de fixer cet objectif, il faut comprendre les situations qu’il recouvre. Dans notre groupe, nous avons 169 métiers, répartis sur plusieurs territoires. Les compétences recherchées, les profils disponibles et les difficultés de recrutement varient selon les métiers et les bassins d’emploi.
Nous rapprochons donc des données naturellement dispersées : les métiers, les compétences associées, les territoires, les profils recherchés, mais aussi nos processus internes et les biais qui peuvent intervenir dans le recrutement. À partir de ces éléments, nous construisons un ou plusieurs modèles sur des métiers et des territoires précis.
L’objectif est de comprendre ces différences pour déterminer comment appliquer un objectif de réduction des délais. Une moyenne globale ne suffit pas : il faut examiner les paramètres qui peuvent expliquer la situation avant de décider sur quoi agir.
Comment vérifiez-vous la solidité de vos modèles et de vos interprétations ?
Notre équipe compte trois personnes, dont une statisticienne. Nous partons de questions et d’hypothèses, puis nous les confrontons aux données. Certaines sont confirmées, d’autres infirmées. Nous reprenons alors l’analyse et explorons d’autres pistes jusqu’à identifier des leviers d’action.
J’ai souhaité intégrer une statisticienne parce que nous avons besoin de ces compétences pour examiner les biais de sélection, les biais d’échantillonnage et les facteurs de confusion. La qualité de l’analyse dépend aussi de cette vigilance.
Cette démarche demande du temps et suppose d’accepter qu’une hypothèse ne soit pas confirmée. Nous avons la chance d’avoir une direction générale qui comprend cet enjeu et soutient ce travail de recherche. Sa valeur se traduit notamment par les recommandations que nous pouvons lui apporter pour éclairer les décisions RH.
Concrètement, qu’avez-vous changé grâce à l’analyse des données ?
Nous nous sommes interrogés sur le lien entre les démissions et la réalisation des entretiens professionnels. Sur une période de quatre ans, pendant laquelle deux entretiens étaient attendus, nous avons comparé plusieurs groupes de collaborateurs.
Dans notre analyse, environ 80 % des collaborateurs en ayant bénéficié restaient présents dans les effectifs. Cette proportion se situait autour de 50 % pour ceux qui n’en avaient eu qu’un, et de 20 % pour ceux qui n’en avaient eu aucun. Il s’agit d’une corrélation, pas d’une démonstration de causalité. La démission est multifactorielle. Nous complétons d’ailleurs cette analyse par des enquêtes anonymes auprès des collaborateurs qui quittent le groupe, afin de mieux comprendre leurs raisons.
Ces résultats nous ont néanmoins conduits à accorder davantage d’attention à l’écoute et au suivi des collaborateurs. Un objectif d’au moins 95 % de réalisation des entretiens professionnels a été fixé aux managers. Depuis sa mise en place, nous observons une baisse des démissions. Nous suivons aussi les baromètres d’engagement pour apprécier l’évolution du ressenti des équipes.
À lire aussi : l’entretien de parcours professionnel fait partie des évolutions décryptées dans notre article « 6 changements réglementaires RH à anticiper fin 2026 ».
La valeur de la donnée ne réside pas seulement dans les chiffres qu’elle produit, mais dans la compréhension qu’elle apporte à l’organisation.
Quang Tuan Dang
En amont de l’analyse, pourquoi la gouvernance des données est-elle indispensable ?
La donnée doit être de qualité dès le départ. Cela suppose une gouvernance claire, avec des data owners, responsables des données, et des data stewards, qui veillent à leur qualité. Ces rôles constituent une base indispensable pour travailler sur un corpus fiable.
Cette exigence devient encore plus importante avec le développement de l’intelligence artificielle. Mais même lorsque cette gouvernance est en place, il faut rester attentif aux biais et à la manière dont nous interprétons les résultats. La fiabilité des données et la rigueur statistique sont deux exigences complémentaires
Des données fiables pour rendre la rémunération lisible
Rémunération fixe et variable, épargne salariale, protection sociale : le bilan social individuel (BSI) rassemble les différentes composantes de la rémunération globale. Sa qualité dépend de la fiabilité des données utilisées : une cotisation erronée ou un dispositif oublié peut fausser l’information transmise au salarié. Avec la transparence des rémunérations, cette exigence prend une dimension supplémentaire : les entreprises doivent aussi pouvoir expliquer leurs critères de rémunération et de progression.
➡️ Pour approfondir : découvrez notre livre blanc sur la transparence des rémunérations
Que se passe-t-il lorsque les résultats contredisent les convictions des managers ou des dirigeants ?
L’intérêt de notre démarche est précisément de nourrir le dialogue entre l’expertise métier, l’expérience des dirigeants et les enseignements issus des données. Les intuitions sont souvent à l’origine de nos hypothèses de recherche. Notre rôle consiste ensuite à les confronter aux faits, à les approfondir et parfois à ouvrir de nouvelles perspectives. Ces échanges sont essentiels : les analyses apportent un éclairage complémentaire aux décisions, tandis que la connaissance du terrain permet d’enrichir et de contextualiser nos interprétations. C’est cette complémentarité qui fait progresser la réflexion collective.
Cette approche s’inscrit également dans une évolution progressive de notre manière d’exploiter les données RH. Au-delà de la production d’indicateurs, nous cherchons à développer une réflexion collective sur leur utilité : quelles questions souhaitons-nous éclairer ? Quels phénomènes voulons-nous comprendre ? Et surtout, quelles décisions ces analyses peuvent-elles accompagner ? Nous disposons d’une grande richesse de données et d’indicateurs. Cette démarche prend aujourd’hui tout son sens puisque notre pôle contribue notamment aux réflexions préparatoires du nouveau plan stratégique.
Quelle place accordez-vous à l’intelligence artificielle dans ce travail ?
L’IA peut accélérer une analyse. Mais elle ne remplace ni la qualité des questions que nous posons, ni l’esprit critique, ni la compréhension du contexte humain et organisationnel de l’entreprise. Nous l’utilisons, mais les résultats doivent être validés par nos soins et documentés. Il faut pouvoir examiner ce qu’elle produit, même lorsque le cheminement qui conduit au résultat reste difficile à comprendre. Son usage doit aussi s’inscrire dans un cadre éthique et réglementaire.
Je crois à la complémentarité entre intelligence humaine et intelligence artificielle. La valeur de la donnée ne réside pas seulement dans les chiffres qu’elle produit, mais dans la compréhension qu’elle apporte à l’organisation.
Et si vos données RH éclairaient aussi vos salariés ?
Rémunération, épargne salariale, protection sociale : vos données RH peuvent aider chaque salarié à mieux comprendre ce que l’entreprise lui apporte. Découvrez comment les rendre lisibles grâce au bilan social individuel.
*Étude menée auprès de 300 DRH et responsables RH de structures de 200 salariés et plus
