Pourquoi votre intitulé de poste n'aura plus d'importance

Des intitulés de poste aux compétences que l’on peut construire et redéployer

La place de marché interne des talents d’Unilever, pilotée par IA, n’a pas supprimé d’emplois. Elle a supprimé l’hypothèse selon laquelle l’intitulé de poste d’une personne définit le travail qu’elle peut faire. En cartographiant les compétences des salariés à un niveau fin et en les rapprochant de projets dans toute l’entreprise, Unilever a libéré 500,000 heures de capacité auparavant invisibles, enfermées dans des postes qui ne reflétaient pas tout ce que les salariés pouvaient apporter. Résultat : 41% de productivité en plus et 70% des affectations franchissant les frontières fonctionnelles.

Yum China a appliqué la même logique au recrutement de terrain. Avec plus de 16,000 restaurants et des besoins de recrutement continus à fort volume, l’entreprise a déployé l’IA sur la présélection des candidats, l’appariement aux postes et l’intégration. 89% des besoins de recrutement sont désormais couverts en une à deux semaines. Le turnover des managers est passé de 9.7% à 7.8%, conséquence d’un meilleur appariement entre la compétence du candidat et les exigences du poste, et pas simplement d’un traitement plus rapide.

Des revues de talents périodiques à une intelligence continue

L’approche de Johnson & Johnson en matière de gestion des compétences montre à quoi ressemble une intelligence des talents continue à l’échelle d’un grand groupe. L’entreprise a cartographié 41 compétences d’avenir au sein de ses effectifs technologiques, construit un système d’IA qui suit en continu le développement des compétences individuelles et l’exposition aux projets, et ouvert l’accès à des ressources d’apprentissage alignées sur ces compétences à 90% de sa population de technologues. Résultat : une hausse de 20% de l’engagement dans l’écosystème d’apprentissage, obtenue en rendant les parcours de développement pertinents visibles et accessibles en temps réel, et non par un programme de formation imposé.

Pour la planification des talents, cela signifie que les besoins en compétences des organisations évoluent plus vite que ne peuvent le suivre les revues annuelles de talents traditionnelles. Les organisations qui tiennent une cartographie des compétences en temps réel, montrant quelles compétences sont en cours d’automatisation, lesquelles sont de plus en plus demandées, et quelles personnes sont à portée d’acquérir des compétences critiques, prennent de meilleures décisions de déploiement et de développement que celles qui travaillent sur un instantané annuel.

Des hiérarchies en couches aux équipes plates mêlant humains et agents

Le déploiement de l’IA par Repsol dans ses fonctions informatiques et opérationnelles illustre le changement structurel que l’IA introduit dans l’architecture des équipes. L’entreprise a déployé 22 agents d’IA sur 38 cas d’usage dans sa division technologique et monte en charge vers 90 agents, avec 3,000 salariés de l’informatique qui interagissent directement avec des flux de travail portés par des agents. Chaque agent couvre un domaine de tâches défini ; les humains agissent comme orchestrateurs, gestionnaires d’exceptions et responsables de la qualité, et non comme le décideur par défaut à chaque étape.

Moderna est allé plus loin au niveau de l’organisation. L’entreprise a fusionné ses fonctions RH et informatique sous un unique Chief People and Digital Transformation Officer, déployé en interne des milliers d’outils fondés sur GPT, et effacé la frontière traditionnelle entre « gestion des effectifs » et « gestion de la technologie ». Quand des agents d’IA et des salariés humains travaillent depuis la même file de tâches, la distinction entre une question RH et une question informatique perd son sens.

L’apprentissage continu comme système d’exploitation

Les conclusions du WEF sur l’engagement des salariés frappent par leur ampleur. Les organisations qui utilisent des systèmes de gestion des talents pilotés par IA déclarent 21% de rétention en plus, un engagement des équipes 5× supérieur et une hausse de 33% de la productivité par heure d’usage de l’IA. Ce sont les effets de l’intégration de l’apprentissage dans le flux de travail lui-même, pas d’un programme de formation.

Le modèle d’apprentissage traditionnel sépare le développement du travail : les salariés suivent une formation, puis retournent à leur poste. L’IA permet un autre modèle : un système qui repère les manques de compétences dans le contexte du travail réel, fait remonter le contenu d’apprentissage pertinent au moment où il est nécessaire, et mesure la progression à partir de vrais signaux de performance plutôt que de relevés de cours suivis.

Les agents d’IA de Repsol ne se contentent pas d’automatiser des tâches : ils produisent des données sur la façon dont ces tâches sont abordées, sur les endroits où les erreurs surviennent, et sur les compétences qui manquent. Ces données alimentent directement les décisions de planification des effectifs : quelles compétences construire en interne, lesquelles chercher à l’extérieur, et lesquelles automatiser davantage.

Les organisations en avance sur les talents investissent dans des modèles de gouvernance qui définissent quel travail est fait par des humains et quel travail est fait par des agents, et dans les systèmes de compétences permettant d’affecter les personnes aux deux, plutôt que dans des budgets de formation plus gros. Les intitulés de poste ne vont pas disparaître du jour au lendemain. Mais les organisations qui continuent de s’en servir comme architecture principale de leur planification des effectifs se retrouveront de plus en plus incapables de déployer les compétences dont elles disposent déjà.