L'achat d'une solution de base de connaissances RH boostée à l'intelligence artificielle permettra d'améliorer l'efficacité opérationnelle, de réduire la charge de travail administrative, d'offrir une assistance rapide et personnalisée aux employés et de prendre des décisions stratégiques éclairées basées sur l'analyse des données RH.
Séduisant, n’est-ce pas ? Ce texte est une réponse donnée par ChatGPT à la question « pourquoi les entreprises ont-elles intérêt à se doter d’une Base de Connaissances RH augmentée d'intelligence artificielle ? ». La promesse est belle, un peu trop belle peut-être, pour y croire sans le voir. Votre intelligence naturelle ne se sera pas laissé tromper : pour obtenir de ChatGPT une réponse intelligente, il faut le questionner intelligemment. Ce questionnaire porte un nom en passe de devenir une science : le prompt engineering.
Neocase vous propose aujourd’hui de comprendre les mécanismes, les perspectives, les risques et les limites de l’intégration d’une solution d’intelligence artificielle aux bases de connaissances RH. Nous espérons ainsi dépasser la promesse marketing et évaluer l’impact possible de cette révolution technologique sur la connaissance partagée dans le secteur des ressources humaines.
-
Moteurs de recherche et technologie : un peu d’histoire
-
Les particularités des bases de connaissances RH
-
La disruption des LLM (Large Language Models)
-
Stop searching, Ask ! la puissance de la sémantique avec Azure OpenAI
-
Là où l’intelligence naturelle ne pourra jamais être remplacée
-
Là où l’intelligence artificielle pourra aussi conduire la gestion des services RH
- Pour aller plus loin
Moteurs de recherche et technologie : un peu d’histoire
“The entire search category is now going through a sea change.”
Cette déclaration de Satya Nadella, CEO de Microsoft Corp en février 2023 lors d’une conférence sur Azure Openai, annonce un changement radical de paradigme dans le monde des moteurs de recherche. Pour comprendre l’ampleur du phénomène, il faut connaître les technologies qui l’ont précédé, basées sur les recherches de mots : la méthode « full text search » et « de similarité cosinus ».
La recherche "Full text" ou "plein texte" en français repose sur la recherche de correspondance de mots entre ceux d'une question posée par un utilisateur et les mots d'un article. La similarité cosinus repose sur la comparaison de deux vecteurs, le premier étant la représentation mathématique des mots d'une question et le second des mots d'un article. La valeur du cosinus détermine le niveau de similarité entre une question et le contenu d'un article. Même si, aussi bien au niveau des index que des vecteurs, il y a un travail sur le corpus de mots afin de supprimer les mots bruyants (pronoms, articles), homogénéiser les formes des mots comme employé, employée, employés (lemmatisation), prendre en compte les synonymes (employé, collaborateur, salarié...), ces méthodes ne prennent pas en compte le sens, la sémantique d'une question. Ces méthodes classiques de recherches dans les bases documentaires sont complexifiées en RH par trois principales particularités.
Les particularités des bases de connaissance RH
Implémentées sur les portails RH "selfservice" des organisations ou dans les chatbots, les bases de connaissances RH se présentent comme des médias d’informations paramétrés et maintenus par les équipes RH. Pour être pertinentes, elles doivent être «employee centric», c’est-à-dire que les contenus accessibles sur le portail doivent dépendre du profil de chaque employé : son pays, son organisation de rattachement (groupe, entreprise, division, site), son poste, son niveau hiérarchique... L’objectif d'une base de connaissances est de partager le plus largement possible la connaissance RH pour limiter le nombre de requêtes formulées par les employés directement vers les RH.
Les méthodes de recherche classiques précédemment décrites se heurtent à trois types de difficultés lorsqu’elles s’appliquent à des bases de connaissance RH :
- Les bases offrent peu de contenus. En moyenne, par pays, moins de 300 articles permettent de répondre à 70% des demandes. Le périmètre de recherche est restreint.
- Les articles utilisent une terminologie RH similaire sur l'ensemble des articles. Par exemple, le mot « congés » est le mot le plus fréquent dans l'article sur le compte épargne temps. Les méthodes classiques sans algorithme additionnels peuvent remonter l'article sur le Compte-épargne temps à un employé recherchant un article sur le congé paternité.
- Les employés utilisent des formulations, du vocabulaire, des mots qui ne correspondent pas au vocabulaire RH et qui n'entrent pas dans la composition des articles.
Ainsi la pertinence des résultats des méthodes classiques de calculs de correspondance et similarités basées sur des mots est limitée.
La disruption des LLM (Large Language Models)
C’est dans ce contexte qu’apparaît les modèles d’apprentissage LLM (Large Language Model) d’OpenAI, modèles automatiques entraînés sur de vastes ensembles de données textuelles pour comprendre et générer des textes humains. Ces modèles sont capables de saisir le contexte, le ton, les subtilités et les aspects culturels du langage. Cette approche par la sémantique produit des résultats incomparables par rapport aux anciennes technologies pour cerner le sens des questions posées par les employés. Microsoft, grand investisseur dans OpenAi, a porté cette technologie dans sa plateforme Azure permettant ainsi de combiner la puissance de cette technologie d'IA générative avec la sécurité, la confidentialité de données d'Azure requise en RH.
Stop searching, Ask ! la puissance de la sémantique avec Azure OpenAI
Appliquée aux solutions de gestion des demandes employés, cette révolution technologique offre trois niveaux de recherche possibles :
-
La compréhension de la question des employés, transformée en langage RH. Ici, Azure OpenAI permet de mieux classifier la question. Par exemple, si un employé demande à sa base de connaissances « Je veux bosser de chez moi », les anciens algorithmes ne reconnaissent aucun élément de langage, là où Azure OpenAI va comprendre qu’il s’agit d’une demande de télétravail.
-
La recherche, dans la base de connaissances, de l’article correspondant le mieux à la question posée et/ou la suggestion, parmi les processus RH digitalisés de l’organisation, du processus correspondant avec le mode embedding ou le calcul des vecteurs est beaucoup plus pertinent.
-
La génération d’une réponse à la question de l’employé en ayant recours aux technologies de prompt engineering.
Les tests et les expérimentations effectués par les équipes de Neocase ont constaté une amélioration prodigieuse en matière de classification des questions employés par Azure OpenAI. Après avoir sécurisé le périmètre de traitement et de conservation des données pour garantir la sécurité et la confidentialité des données des utilisateurs, Neocase a intégré cette formidable innovation à sa nouvelle version de la solution Neocase HR.
La génération de réponse (prompt engineering) à partir de contenu de base de connaissances est encore une technologie à utiliser en RH avec prudence car les RH ne contrôlent pas la formulation résultante, une mauvaise réponse ou une formulation maladroite peut avoir des conséquences graves pour l'employé ou l'entreprise (risques légaux). Cependant nous pouvons miser sur une évolution rapide et exponentielle des progrès technologiques, offrant des perspectives tangibles dans les mois à venir.
Là où l’intelligence naturelle ne pourra jamais être remplacée
Alors que ces avancées prodigieuses peuvent parfois donner le tournis, il faut savoir en mesurer l’impact réel et les mettre en perspective avec les réalités des métiers et de la gestion de ressources humaines.
Sur le sujet des bases de connaissances RH, un certain nombre de bonnes pratiques, mobilisant toutes l’intelligence naturelle des gestionnaires RH, ont été observées. Ces bonnes pratiques sont indispensables pour augmenter ou maintenir la pertinence des bases de connaissance.
Avec ou sans OpenAI, les gestionnaires devront toujours :
- Penser la structure de la base de connaissances pour faciliter l’accès à l’information
- Montrer une attitude pro-active, en mettant jour la base de connaissances en fonction des usages des employés, de l’évolution de leurs demandes et en fonction de leurs feedbacks
- Maintenir la base de connaissances vivante en illustrant les articles avec des retours d’expériences ou des témoignages d’employés
- Varier les formats proposés (articles écrits, vidéos, podcasts, infographies)
- Promouvoir la base de connaissances en interne
Là où l’intelligence artificielle pourra aussi conduire la gestion des services RH
Pour conclure, précisons que de nombreux autres terrains RH sont concernés par l’intégration de l’intelligence artificielle. Dans les versions à venir de Neocase, plusieurs fonctionnalités sont en cours de développement, comme le traitement automatique de la documentation RH ou des emails entrants, le traitement analytique des données RH, la réponse aux questions des employés sous la forme d’une discussion, l’écriture ou le résumé d’article.
Combinés intelligemment et raisonnablement, humains et robots s’apprêtent ainsi à inventer le meilleur pour une meilleure gestion des relations entre employés et organisations. Stay tuned…
Vous voulez en savoir plus ?
