Comment faire pour que candidater à un emploi devienne moins pénible

Auparavant, pour trouver un emploi il fallait commencer par candidater à un million d'offres d'emploi et ne jamais recevoir de réponse pour la plupart d'entre elles. Mais de plus en plus d'entreprises utilisent des méthodes avant-gardistes et technologiques pour identifier des candidats. Si l'IA est l'avenir de l'embauche, qu'est-ce que cela signifie-t-il pour vous ? La technologue Priyanka Jain nous offre un aperçu de ce nouveau monde de l'embauche.

Envoyer des candidatures en ligne

est l'une des pires expériences
numériques de notre ère.

Le faire en personne
n'est pas vraiment mieux.

[Notre façon de travailler]

Aujourd'hui, le recrutement
ne fonctionne pas.

C'est une expérience épouvantable.

Environ 75% des gens

ayant déposé des candidatures
par diverses méthodes l'an dernier

ont dit n'avoir jamais eu
de réponse de l'employeur.

A l'échelle de l'entreprise,
ce n'est pas mieux :

46% des gens sont virés ou démissionnent

moins d'un an après avoir
démarré un nouvel emploi.

C'est assez incroyable.

C'est mauvais pour l'économie.

Pour la première fois,

nous avons plus de postes à pourvoir
que de gens sans emploi

et, à mes yeux, cela indique
qu'il y a un problème.

Je crois que le nœud dans tout cela
est un bout de papier : le CV.

Il y a des éléments utiles dans un CV :

les rôles occupés,
les compétences informatiques,

les langues parlées,

mais il manque ce que la personne
a le potentiel de faire

et qu'elle n'a pas eu l'opportunité
de faire par le passé.

Avec une économie si changeante
où des emplois sont mis en ligne

et requièrent des compétences
que personne n'a,

si nous considérons uniquement
ce que quelqu'un a fait,

nous ne pouvons pas associer
des gens aux emplois de l'avenir.

C'est là que je pense
que la technologie peut aider.

Vous avez probablement vu
que les algorithmes sont bons

pour associer des gens et des choses.

Et si l'on pouvait
utiliser cette technologie

pour nous aider à trouver un emploi
auquel on est adapté ?

Je sais ce à quoi vous pensez.

Un emploi choisi par algorithme,
c'est plutôt effrayant,

mais nous avons démontré
qu'il y a une chose

permettant de prévoir la réussite
de quelqu'un dans un emploi

et c'est un test multi-mesure.

Les tests multi-mesure
ne sont pas nouveaux

mais étaient très chers auparavant

et nécessitaient
la présence d'un doctorant,

de répondre à des questions,
d'écrire des rapports.

Les tests multi-mesure sont une façon

de comprendre les traits
fondamentaux de quelqu'un --

votre mémoire, votre attention.

Et si nous pouvions rendre
les tests multi-mesure

évolutifs et accessibles

et fournir aux employeurs
les données sur les traits réels

de quelqu'un pouvant être
bien adapté pour le poste ?

Tout cela semble abstrait.

Essayons un des jeux ensemble.

Vous allez voir un cercle clignotant

et votre rôle est de taper des mains
quand le cercle est rouge

et de ne rien faire quand il est vert.

[Prêt ?]

[C'est parti !]

[Cercle vert]

[Cercle vert]

[Cercle rouge]

[Cercle vert]

[Cercle rouge]

Vous êtes peut-être quelqu'un

qui tape des mains
juste après l'apparition du rouge.

Ou vous êtes peut-être quelqu'un

qui prend un peu plus de temps
pour être tout à fait sûr.

Ou vous tapez des mains sur le vert,
quand vous ne le devez pas.

Ce qui est génial c'est qu'il n'y a pas
de test standardisé

où certains sont employables
et d'autres pas.

Il est question de comprendre
l'adéquation entre vos traits

et ce qui vous rend bon
à un poste particulier.

Si vous tapez des mains tard sur le rouge
et jamais sur le vert,

vous avez peut-être
beaucoup d'attention et de retenue.

Dans ce quadrant, les gens sont
de très bons étudiants,

participants à des examens,
chefs de projets et comptables.

Si vous tapez immédiatement sur le rouge
et parfois sur le vert,

vous pouvez être
plus impulsif et plus créatif

et les meilleurs commerciaux
incarnent ces traits.

Nous utilisons cela lors de l'embauche

en faisant passer
de tels exercices de neuroscience

aux meilleurs dans un rôle.

Nous développons un algorithme

qui comprend ce qui rend
ces personnes uniques.

Quand les gens candidatent pour ce poste,

nous pouvons faire émerger les candidats
les plus adaptés à ce poste.

Vous pensez peut-être
qu'il y a un danger à cela.

Le monde où nous travaillons
n'est pas diversifié

et si nous créons des algorithmes
grâce aux actuels meilleurs,

comment nous assurer

que nous ne perpétuons pas
des préjugés déjà existants ?

Par exemple, si nous créons un algorithme
se basant sur les meilleurs PDG

et utilisant les données
du S&P 500 pour l'entraîner,

vous découvririez

que vous avez plus de chances d'embaucher
un homme appelé John qu'une femme.

C'est la réalité des personnes
tenant actuellement ces rôles.

La technologie nous offre
une opportunité très intéressante.

Nous pouvons créer
des algorithmes plus équitables

et plus justes que les êtres humains.

Les algorithmes produits
ont été testés au préalable

pour vérifier qu'ils ne favorisent pas
un genre ou une ethnie.

Si une population est trop favorisée,

nous altérons l'algorithme
pour ce que ne soit plus le cas.

En nous concentrant
sur les traits fondamentaux

faisant que quelqu'un
est adapté à un poste,

nous transcendons le racisme,
le classisme, le sexisme, l'âgisme --

même l'éducationnisme.

Nos meilleurs technologie et algorithmes
ne devraient pas être utilisés

juste pour trouver un film
ou une chanson de Justin Bieber.

Imaginez si nous pouvions
tirer profit de la technologie

pour obtenir des conseils
sur ce que nous devrions faire

selon notre identité profonde.