• TrouveTaVoie

Réduire l'écart de compétences grâce à l'IA et la Data

Mis à jour : mars 22

Au cœur des préoccupations sur l'emploi, l'automatisation des métiers, l'impact de la crise, les besoins en formations et les perspectives de reconversion, se trouve la question des asymétries de compétences et d'information.


Alors que les employeurs déplorent souvent les déficits de compétences en adéquation avec leurs besoins, réduire ce gap ou même l'expliciter concrètement semble être une tâche bien plus complexe.


Mesurer et comprendre les écarts de compétences est en effet une étape essentielle pour toute stratégie d'orientation, de formation ou d'emploi qui ambitionne de les réduire, et cela concerne en même temps les individus (i.e. profil vs poste ou métier), les entreprises (i.e. besoins en recrutement vs pools de talents), les collectivités territoriales et les acteurs publics (i.e. offre vs demande), ainsi que les organismes de formation (i.e. offre de formation vs besoins du marché).


Pour que l'analyse soit pertinente, la mesure des écarts de compétences doit s'inscrire dans une logique de régularité, prendre un temps raisonnable, exploiter un langage harmonisé et tenir compte des évolutions rapides des métiers et des compétences. C'est bien là la valeur de l'IA et d'une information sur le marché du travail basée sur les Big Data.

Dans cet article, nous présentons le cas concret d'un profil professionnel et exploitons les nouvelles fonctionnalités (bêta) de notre solution DREEAM qui, en quelques minutes, permettent de scanner un CV, en extraire les compétences, mesurer l'écart avec une cible marché et suggérer des formations.

IA, Big Data et référentiel dynamique des métiers-compétences


La masse d’information disponible sur le marché du travail permet de développer et mettre en place des systèmes d’information qui exploitent en temps réel les données accessibles à travers internet, reposant sur la collecte et l'analyse automatisées de ces données structurées, semi-structurées et surtout non-structurées, via des algorithmes et des intelligences artificielles spécialisées adossés à des architectures Big Data.


L'analyse des écarts de compétences se fonde sur un référentiel dynamique des métiers et des compétences, qui s’appuie sur les systèmes Big Data susmentionnés, et exploite les standards internationaux, en particulier le ROME français. Ce référentiel est dit "dynamique" car il dynamise ces standards, les enrichit, évolue dans le temps et s'adapte au contexte :

  1. les liens entre micro-compétences, macro-compétences, métiers, familles de métiers et domaines d'activité suivent l’évolution de la demande sur le marché

  2. en plus des niveaux de demande, ces liens prennent en considération plusieurs paramètres comme le secteur, la localisation géographique ou la taille d’entreprise par exemple

  3. les compétences qui ont un sens similaire ou proche se regroupent et s'articulent automatiquement, avec des degrés variables

  4. les nouveaux métiers, compétences ou technologies qui émergent sur le marché sont repérés et classifiés (avec la possibilité d'une validation humaine)

  5. le transfert des propriétés à d’autres référentiels spécifiques comme ceux des branches se fait automatiquement grâce aux mécanismes d'intégration et d'interopérabilité

Pour faire simple, l'IA joue le rôle d'un proxy vers le référentiel dynamique, qui assure une lecture harmonisée de l’offre, la demande et la formation via un langage commun des compétences.


Cas d'une reconversion de l'événementiel au numérique

Prenons le CV de Carole, Cheffe de projet dans l’évènementiel qui a 5 ans d’expérience. Les informations personnelles et les noms d’entreprises ont été modifiés pour les besoins de cette démonstration. Comme beaucoup dans le contexte actuel, Carole a des difficultés à se projeter dans l’évènementiel, et souhaite explorer les pistes de reconversion dans la gestion de projets digitaux.

Pour aider Carole à clarifier son positionnement sur le marché vis-à-vis des métiers ciblés, et réduire un écart éventuel, nous allons exploiter l'IA embarquée dans notre solution DREEAM, qui va d'abord aligner les compétences détectées sur son CV avec notre référentiel dynamique, avant de mesurer les écarts de compétences qu’elle présente selon le métier ciblé. Enfin, DREEAM nous suggèrera des formations précises pour réduire cet écart.

Dans ce cas et comme le montre la figure ci-dessus, 11 compétences ont été identifiées dans le CV de Carole, chacune ayant été associée à des compétences opérationnelles du référentiel ROME (exploité dans le cadre de notre référentiel dynamique). Bien entendu, cette étape peut impliquer une manipulation humaine qui laisse rectifier manuellement ces compétences normalisées afin de ne laisser que celles que Carole maîtrise réellement, ou en ajouter de nouvelles.

Dans l'étape suivante, DREEAM compare les compétences du CV de Carole avec les compétences les plus demandées pour les cibles qu'elle vise sur le marché (une cible peut être un métier, un métier dans une région spécifique, un domaine, etc.). Les détails de la cible sont paramétrés grâce à l’onglet de recherche et les filtres proposés. Dans DREEAM, cette recherche a été configurée pour renvoyer les 15 compétences opérationnelles les plus demandées, avec lesquelles la comparaison se fait automatiquement.


Analyse de l'écart et suggestion des formations


Prenons l’exemple d’une requête autour de la gestion de projets digitaux, avec une localisation dans les régions Île-de-France ou Hauts-de-France. On remarque que Carole a plusieurs compétences proches notamment en lien avec la gestion de projet et l’interaction client. En revanche, un écart a été identifié pour les compétences analytiques comme l’analyse de marché et de la concurrence, ou encore les compétences liées aux phases de mise en œuvre "produit".


Quand on sélectionne quelques compétences dans ce sens, DREEAM nous renvoie une liste de suggestions avec des formations RNCP qui forment à ces compétences et pourraient intéresser Carole en vue de réduire cet écart.

Voilà donc une approche parmi celles qui intègrent l’IA et les données temps réel sur le marché du travail pour aider à analyser dynamiquement les écarts de compétences, et ainsi, aligner efficacement l’offre, la demande et les catalogues de formation !

  • Vous avez un projet, une étude spécifique à mener ?

  • Vous souhaitez avoir accès à nos données et insights ?

  • Vous aimeriez tester notre plateforme analytique DREEAM ?

  • Vous voulez tester les fonctionnalités d'analyse et de mesure des écarts de compétences ?

Contactez-nous dès maintenant et faites nous part de vos besoins ! TrouveTaVoie dispose de la base de données temps réel sur le marché du travail la plus large, la plus complète et la plus granulaire en France.

©2021 par TrouveTaVoie.

Contact

55 rue de la Boétie 75008 Paris, France