Retour à la liste des ressources

Algorithmes, big data et employabilité, quoi faire ?


Algorithmes, big data et employabilité, quoi faire ?


Le mois dernier (may 2019) notre équipe est retournée à la Cité des Métiers du Grand Genève pour guider une nouvelle séance sur la suivante thématique : “Algorithmes, big data et employabilité, quoi faire ?”. 

le principal objectif de cette séance était de lancer le débat sur comment les nouvelles technologies et l'intéligence artificielle sont entrain de modéler le domaine de l'employabilité et la recherche d'emploi. Ce débat fait partie d'une thématique plus large sur la nécessité de développer la citoyenneté et les compétences collaboratives quand nous parlons d'algorithmes de Big Data et d'employabilité. L'évaluation de la séance de travail parmi les 19 participants fut très positive, montrant que développer une culture de la citoyenneté (voir plus dans notre livre) est une des principales priorité de nos temps.  



La séance commença avec une discussion informative sur l'intelligence artificielle, les algorithmes et les processus d'apprentissage des machines. Quand les participants furent intérogés sur l'intelligence artificielle les nommairent rapidement les assistants vocaux (comme Siri et Alexa), la reconnaissance faciale ou des formes furent rapidement nommés, ainsi que l'apprentissage des machines et innevitablement les robots. Plusieurs sujets furent discutés :
- comment les algorithmes sont des machines de récolection massive de données et d'apprentissage (Deep Learning).
- la place que ces machines ont actuellement dans nos sociétés.
- ce quelles peuvent faire de possitive (indéniable effet dans le terrain des recherches scientifiques et de l'innovation.
- l'intéligence artificielle dasn notre vie de tous les jours : e-mail, réseaux sociaux, Netflix, machines de recherche...
- comment ces machines semblent connaître exactement ce qu'on aime ou ce qu'on veut.
La récolecte massive de nos données est entrain de faire possible, pour ces algorithmes, de tout savoir sur nous et de prédire nos comportements.


Ce débat fut suivit d'un défit pratique : créer un algorithme qui est capable de definir quelle est la personne la plus sympathique de la salle. En petits groupes les participants ont eut a définir ce que signifiait d'être sympathique, comment définir si quelqu'un est sympatique ou pas et comment quantifier le tôt de sympathie de quelqu'un. Ce ne fut pas un exercice facile pour beaucoup des participants qui n'avaient jamais fait un exercice de ce genre. Les points d'apporche à ce sujet furent très différents ce qui aboutit à différentes stratégies et processus pour définir et quatégoriser "ce que signifie d'être sympathique" et comment trouver "la personnes las plus sympathique de la salle".

L'objectif de cet exercice pratique était de comprendre comment les algorithmes sont crées et comment ils marchent. L'idée dernière ce raisonnement et que si nous connaissons comment pensent et processent l'information les algorithmes, nous seront mieux équipés pour travailler avec eux au lieu de travailler contre eux. En même temps cet exercice montre que tout le monde peut créer un algorithme ce qui peut nous aider à comprendre mieux le monde digital. Cela développe l'accécibillité et les expériences positives du grand public dans un domaine traditionnellement très IT. 



Suivant cet exemple on profita pour introduire comment les algorithmes et l'employabilité travaillent ensembles. Le marché du travail est entrain de changer et il est important de connaitre comment les algorithmes sont entrain de s'installer dasn les entreprises de RH rapidement. Initialement certains des participants avaient un ressentit negatif sur ce genre de prosessus de selection de candidats parce qu'il excluent plus de candidats qu'il n'en selectionnent et qu'il est donc plus facile d'être exclut que sélectionné. Les expériences de certains participants duent à leur manque de connaissance et compréhension sur le fonctionnent de ces algorithmes ce transformait en cercles vicieux dont ils ne savaient pas resortir.

Pour casser ces cercles vicieux les suivantes "compétences que l'Intéligence Artificielle est le moins susceptible de remplacer" furent proposées :

a) Construction d'un réseau avec les candidats ; 

b) Voir le potentiel du candidat en dessous de ces références ; 

c) Determiner les compétences interpersonnelles du candidat ; 

d) Evaluer les motivations et le parcour vital du candidat sont des compétences pour lesquelles une machine ne pourrat jamais remplacer un humain.


La réalisation que les humains ne pourront jamais être complètement remplacés et que nous pouvons augmenter nos chances d'être séléctionnés ; permit aux participants de voir l'utilité et l'innovation de ce genre d'approche. Cette discussion fut longée des questions suivantes :
- genre de softwares de recrutemment existents et quelles tâches sont ils capables de réaliser ;
- pros et contres d'avoir un software de recrutement ;
- comment augmenter nos chances d'être sélectionnés par un sofware de recrutement.
Pour finaliser la séance nous présentames quelques astuces pour travailler avec les software de recrutement, comme par exemple :

Il est sûr et certain que ces nouveaux processus de recrutement demande d'une période d'adaptation et d'ajustement de la part des chercheurs d'emplois mais il et aussi sûr que le principal objectif de nos jours et d'apprendre comment redéfinir nos points forts et nos compétences et comment s'adapter à ce nouveau language pour travailler en collaboration avec ces softwares autant elles vont surement rester entre nous et vont probablemente avoir un rôle de plus en plus important dans le futur.