Transformer l’art du Feedback avec une pointe d’IA

Si il y a quelque chose que je trouve difficile, lorsque j'évalue les compétences d'un candidat ou d'un salarié, c'est de lui délivrer un feedback qui soit précis, vrai, et surtout acceptable. C'est à chaque fois un véritable défi, un peu comme de naviguer dans une mer déchaînée, au milieu des écueils, alors qu'il y a du brouillard.

Année après année, avec ma petite équipe, nous essayons d'affiner peu à peu nos méthodes et techniques. Il faut dire que pour nous, l'enjeu est de taille, nous mettons un point d'honneur à faire un retour à chaque personne, le plus honnête possible, sans fard, parce que nous croyons fermement que c'est le moindre des respects que de le faire.

Force est de constater que les outils à notre disposition étaient souvent insuffisants – trop abstraits ou déconnectés des réalités tangibles des rôles professionnels et des compétences individuelles, également pas suffisamment structuré et prédictif pour garantir un résultat régulier et de bon niveau. Nous essayons de faire de notre mieux, entre d’une part flexibilité et adaptation aux candidats, et d’autre part rigueur professionnelle et méthodologie. C'était le dilemme auquel j'étais confronté, jusqu'à ce qu'une solution innovante émerge d'un allié inattendu : l'intelligence artificielle, et plus précisément ChatGPT, qui a permis de restructurer un référentiel aride, celui de l’EQF, Cadre Européen des Certifications mieux connu sous le nom de European Qualification Framework.

D'un jargon abstrait à un feedback compréhensible : un partenariat avec l’IA

L'aventure a donc commencé avec la quête de rendre les échelles d'autonomie et de responsabilité du Cadre Européen des Certifications (EQF) plus accessibles et applicables à nos candidats. Les échelles de l'EQF, bien que complètes, semblaient souvent flotter dans un domaine d'abstraction complètement déconnecté des perceptions concrètes que chacun peut se faire de la manière dont les compétences sont mises en oeuvre. Le défi était d'ancrer ces échelles dans une réalité tangible, les rendant directement pertinentes tant pour les candidats que pour les rôles qu'ils aspiraient à occuper. il s'agissait de passer d'une sorte de jargon technologue à une expression en français ou en anglais courant, compréhensible par chacun.

ChatGPT est alors entré en scène, un outil initialement non conçu pour les RH mais qui s'est révélé remarquablement adaptable. La première avancée est survenue lorsque j'ai demandé à ChatGPT d'adapter l'échelle de l'EQF pour des compétences spécifiques, simplement identifiées par leur nom. Cela nous a rapprochés de la clarté, mais ce n'était que le début.

Aussi prometteur que ce premier résultat ait été, je pressentais immédiatement le potentiel pour quelque chose de plus grand et beaucoup plus ancré dans le réel. En intégrant progressivement des éléments supplémentaires – descriptions de poste, descriptions complètes des compétences, autres informations contextuelles, et même des commentaires personnels – le document de feedback a commencé à prendre une nouvelle forme. Il s'est transformé d'une simple évaluation à une réflexion complète et nuancée sur la position réelle d'un candidat.

L'Impact de la clarté

Les résultats ont été immédiatement perceptibles. Les candidats, précédemment perdus dans le flou d'un feedback générique, avaient désormais des points de référence plus clairs. Ils commençaient à s'approprier beaucoup plus les feedbacks, à poser des questions pertinentes, à préciser les points d'accord et de désaccord, avec une attitude nettement plus constructive. Ces documents faisaient plus qu'évaluer ; ils illuminaient un chemin vers l'avant, offrant aux candidats non seulement un miroir de leur état actuel mais aussi une carte vers leur potentiel.

C'est ce qui a mené à l'idée d'étendre cela à d'autres situations où il est nécessaire de fournir un feedback, ou d'entamer une discussion à propos des ressentis concernant les niveaux de compétences. Nous avons commencé à l'utiliser dans les entretiens de coaching, de bilan de compétences, d'évaluation de milieux de carrière, etc. C'est dans ce dernier contexte qu'un élément a été décisif. Je faisais face à une situation très délicate de désaccord profond sur une évaluation de compétences, avec une personne particulièrement frustrée par des échecs de progression de carrière. Cette personne, au demeurant compétente, avait tendance à être dans le déni en ce qui concerne ses points de progrès, mais également à ne pas réellement prendre conscience de ses points d'appui réels. La situation semblait être dans une impasse, un dialogue de sourds s’installant peu à peu comme souvent dans ces cas-là.

C'est alors que j'ai invité la personne à reconstruire ensemble les différents niveaux pour un certain nombre de compétences critiques, en intégrant des éléments de son domaine métier que la personne seule était capable de formuler de manière correcte dans l'interface de ChatGPT.

À deux, nous sommes parvenus à créer des échelles précises, bien formulées, clairement en référence avec les niveaux normalisés de l'EQF, mais ancrées dans cette réalité métier. Ceci a été un tournant décisif, qui a permis une prise de conscience de la part de la personne évaluée, mais qui m'a également permis d'affiner ma perception des compétences de la personne.

Quelques jours plus tard, alors que j'animais une formation sur l'entretien annuel d'échange (EAE), avec les participants, nous avons repris la même approche dans le cas de simulation de désaccord sur l'appréciation des compétences avec des collaborateurs. Là encore, cela a apporté un éclairage réellement nouveau et intéressant.

Partager une nouvelle Approche de l’évaluation avec l'IA

Inspiré par le succès de cette approche, je me suis senti obligé de partager les perspectives et les méthodologies avec mes collègues en RH. L'objectif n'était pas seulement de présenter un nouvel outil mais de démontrer une nouvelle manière de penser l'IA dans les RH. Il s'agissait de transformer des échelles abstraites en insights personnalisés et actionnables.

Ce voyage est loin d'être terminé. Le paysage des RH et de l'évaluation des compétences évolue continuellement, tout comme les outils et les méthodologies que nous employons. L'intégration des échelles de l'EQF avec les capacités de ChatGPT n'est qu'une étape dans une quête continue d'amélioration.

J’invite mes pairs, tant dans les RH qu'à travers les industries, à explorer cette approche. Considérez comment l'IA peut améliorer vos processus d'évaluation et de feedback. Réfléchissez au potentiel d'un feedback plus clair et plus actionnable pour transformer l'expérience de vos candidats.

Ce qui a commencé comme une quête pour démystifier les échelles de l'EQF s'est transformé en une exploration plus large de comment l'IA peut améliorer les pratiques RH.

Session de travail menée avec une personne évaluée

Ci-dessous un exemple tiré d’un travail réel. Ce sont les deux premiers prompts d’une session conjointe avec une personne dont je faisais l’évaluation. Au début de ce travail, nous avions des divergences et la situation semblait dans une impasse…

La formalisation d’un document de référence à partir des résultats a eu un effet levier tout à fait significatif.

-->>

User
Tâche: extraire une échelle en 8 niveaux et la reformuler en format table

Analyse en profondeur la page: https://europa.eu/europass/en/description-eight-eqf-levels
Repère l'échelle d'autonomie et responsabilité
Reformule les 8 niveaux de cette échelle en termes plus concrets et plus simple
Formate ces huit niveaux en format table
Écrit en français

ChatGPT
Pour répondre à votre demande, j'ai consulté la page spécifiée et résumé les informations sur les huit niveaux d'autonomie et de responsabilité selon le Cadre Européen des Certifications (CEC). Cependant, je ne peux pas répliquer directement le contenu de la source. Je vais vous fournir un résumé simplifié des niveaux d'autonomie et de responsabilité dans un format de tableau, reflétant l'essence de chaque niveau sans copier le texte original. Pour une description détaillée, veuillez consulter directement la page Europass sur la description des huit niveaux du CEC.

Ce tableau représente une interprétation générale des niveaux d'autonomie et de responsabilité décrits dans le CEC. Pour accéder au contenu spécifique et complet, je vous invite à visiter le site web d'Europass mentionné précédemment.

User
Reformule cette échelle en 8 niveaux, au format table, pour la compétence :
- "Gérer les priorités"

Caractérisée par :
- Séparer ce qui est critique de ce qui ne l’est pas;
- Repérer ce qui va faciliter l’atteinte de l’objectif et ce qui au contraire ca ralentir d’action;
- Avoir une vision globale sur les priorités des parties prenantes;
- Gérer les priorités en coopération avec les autres;
- Faciliter l'action collective;
- Maîtriser son propre flux de temps.

Rôle:
- Maintenance engins mobiles (dumpers et pelles hydrauliques)  dans le contexte d'une mine à ciel ouvert

ChatGPT
Pour reformuler l'échelle de compétence en "gérer les priorités" pour le rôle de maintenance d'engins mobiles dans une mine à ciel ouvert, en tenant compte des caractéristiques fournies, voici une proposition au format table. Cette échelle en 8 niveaux est adaptée pour évaluer la compétence spécifique à séparer ce qui est critique de ce qui ne l’est pas, repérer les facilitateurs et obstacles à l’atteinte des objectifs, avoir une vision globale, gérer les priorités en coopération, faciliter l'action collective et maîtriser son propre flux de temps.

Cette échelle est un guide pour évaluer et développer la compétence de gestion des priorités dans un contexte spécifique de maintenance d'engins mobiles dans le secteur minier.