Les méthodes d’évaluation demain seront holistiques… ou ne seront pas !

Les méthodes d’évaluation demain seront holistiques… ou ne seront pas !

Pour Alexandra Didry, Docteur en Psychologie Sociale et des Organisations et Responsable R&D de PerformanSe, la limite des méthodes actuelles d’évaluation tient pour beaucoup à leur fragmentation.  Pensées de façon isolées, elles nous livrent certes à chaque fois des informations utiles, mais sans que ces informations ne soient jamais suivies ni recoupées sur la durée. Pour remédier à cette vision compartimentée des besoins et des approches, Alexandra Didry nous propose ainsi quatre manières novatrices d’appréhender l’évaluation demain. Sur des bases toujours plus justes, car justement plus larges et mieux intégrées…

Intégrer les processus et l’ensemble des acteurs

Aujourd’hui on évalue souvent un candidat au moment du recrutement, puis, une fois embauché et de façon totalement indépendante, au moment d’une mobilité par exemple. Et encore trois ans après, pourquoi pas, lorsqu’on cherche à évaluer sa capacité à manager une équipe. En oubliant à chaque fois les évaluations précédentes, et leur cohérence d’ensemble. Pourquoi ne pas créer plutôt de véritables écosystèmes applicatifs de données individuelles ? De façon à assurer un suivi de l’individu, depuis son entrée jusqu’à sa sortie de l’entreprise, et une mise en cohérence des données concernées. Cette approche holistique entraine une participation nouvelle de l’ensemble des acteurs de cette démarche : RH, managers opérationnels, mais également les individus eux-mêmes qui deviennent acteurs et parties prenantes, que ce soit dans une logique prescriptive ou dans la volonté d’autonomiser la reconnaissance de leurs qualifications.

Croiser les méthodes d’évaluation

Les tests de personnalité souvent pratiqués permettent de se faire une meilleure vision d’un individu, mais utilisés seuls, sont globalement peu prédictifs de la performance au travail, et ce quels que soient les modèles utilisés (Big 5, types Jungiens…). Les tests cognitifs sont eux souvent plus pertinents, bien que pas toujours faciles à utiliser. Mais ce que les études démontrent surtout clairement, c’est que les méthodes sont d’autant plus prédictives qu’elles combinent justement des approches complémentaires. C’est en associant les tests qu’on réduit le mieux le risque d’erreur. L’enjeu de l’évaluation de demain sera donc de rendre intelligibles et unifiés les résultats provenant de différentes familles de tests, sans se contenter de juxtaposer les données.

 

« Associer des tests différents en améliore sensiblement la valeur prédictive »

 

Confronter les Data

Quand on évalue des populations, en termes de compétences notamment, on peut bien sûr s’appuyer sur ses propres données internes. Mais pourquoi ne pas les confronter aussi avec des données externes afin de créer des modèles prédictifs de compétences ? Dans un univers où les volumes de data disponibles vont toujours croissants, on aurait tort de se priver de cette richesse.

Les outils de data intelligence et de data visualisation seront clés dans l’appropriation et le partage des analyses par l’ensemble des acteurs de l’entreprise.

« Hybrider » les approches

Demain, plus encore qu’aujourd’hui, on pourra ainsi confronter des datas, mais aussi marier des approches et des analyses. On pourra s’appuyer sur des données toujours plus nombreuses, sans renier pour autant la capacité de finesse d’un expert RH, son expérience, son intuition. Dans une logique toujours holistique où il s’agira moins d’isoler que de réunir, d’opposer que de mettre en perspective.

Données d’origine et données ultérieures, approches cognitives et tests de personnalité, data internes et données de marché, algorithmes et analyse individuelle, c’est ainsi dans la confrontation, le croisement et la collaboration que se bâtiront les évaluations les plus fines et les plus pertinentes… Une forme d’intelligence collective là aussi !

 

CTA_Telechargement_lb_motivations_V2

 

 

Poster le commentaire

Votre adresse de messagerie ne sera pas publiée. Les champs obligatoires sont indiqués avec *

Share This