Pourquoi devriez-vous utiliser l'IA pour l'embauche

Nous sommes ravis de ramener Transform 2022 en personne le 19 juillet et virtuellement du 20 au 28 juillet. Rejoignez les leaders de l’IA et des données pour des discussions approfondies et des opportunités de réseautage passionnantes. Inscrivez-vous aujourd’hui!


Il y a quelques semaines, VentureBeat a publié un article intitulé “Pourquoi vous ne devriez pas utiliser l’IA pour l’embauche” qui affirmait que les lacunes des outils d’embauche basés sur l’IA les rendaient injustes. En tant que personne qui a travaillé dans le secteur de la technologie de recrutement pendant deux décennies et qui dirige la recherche et l’innovation de produits dans une société de plateforme de recrutement basée sur l’IA, j’aimerais offrir un contrepoint à cette histoire.

L’auteur de l’histoire, CodePath CTO Nathan Esquenazi, présente plusieurs points clés sur les raisons pour lesquelles l’IA est problématique pour les décisions à enjeux élevés concernant les personnes, notamment :

  • L’IA a un risque de biais
  • Les données utilisées pour former l’IA peuvent être biaisées
  • Vous pouvez associer des personnes à des emplois sans IA sophistiquée

Sur ces points, l’auteur a complètement tort… euh, en fait raison. Complètement correct. Mais je tiens à clarifier quelques points sur l’IA dans le recrutement car elle peut être très utile dans les bons contextes.

Tout d’abord, nous devons démystifier le terme “intelligence artificielle”. Lorsque cette expression est apparue pour la première fois dans les années 1950, elle faisait référence à un effort naissant pour créer des machines capables d’imiter la résolution de problèmes humains. Cela avait du sens dans ce contexte, et dans les décennies qui ont suivi, il a capturé l’imagination populaire plus que probablement tout autre concept scientifique. Le Terminateur La franchise de films a rapporté des milliards de dollars, et les idées d’IA ultrasmart d’Hollywood ont façonné les trajectoires d’innombrables jeunes ingénieurs qui travaillent pour les faire sortir du grand écran et les faire entrer dans le monde réel. Comme le dit l’informaticien Astro Teller, “l’IA est la science qui permet aux machines de faire ce qu’elles font dans les films”.

Aujourd’hui, le terme « IA » fait référence à un large éventail de techniques qui traitent des données de différents types. Bien que ces techniques tirent leur origine de la métaphore d’un ordinateur qui peut « penser » comme un humain, elles ne cherchent pas nécessairement à reproduire les capacités du cerveau. Donc, vraiment, l’IA qui transforme notre monde avec des voitures autonomes, l’interprétation d’images médicales, et bien plus encore, n’est qu’un code d’analyse statistique. Cela peut donner un sens à des données non structurées, complexes et désordonnées avec lesquelles les méthodes traditionnelles telles que les coefficients de corrélation ont du mal. Il n’y a donc rien de particulièrement “artificiel” dans la plupart des techniques d’IA utilisées, et vous ne pourriez pas non plus les qualifier d'”intelligentes” par elles-mêmes.

L’une des parties impressionnantes et effrayantes de l’IA est qu’elle permet aux chercheurs d’étudier d’énormes ensembles de données complexes et d’extraire des aspects prédictifs de ces données pour les utiliser dans diverses applications. C’est ce que fait votre voiture autonome de luxe, et aussi ce que l’IA basée sur l’embauche peut faire. La partie dangereuse de cela est que les humains ne comprennent souvent pas complètement les facteurs que l’IA pèse dans ses prédictions, donc s’il y a un biais dans l’ensemble de données, il peut et sera probablement reproduit à grande échelle.

Et voici le problème : les préjugés sont partout. C’est un aspect omniprésent et insidieux de notre monde, et les grands ensembles de données utilisés pour construire l’IA en sont le reflet. Mais alors qu’une IA mal développée peut sans le savoir amplifier les préjugés, le revers de la médaille est que l’IA expose également les préjugés. Et une fois que nous savons qu’il est là, nous pouvons le contrôler. (Voir, par exemple, l’excellent documentaire Coded Bias.)

Dans mon rôle chez Modern Hire, je travaille avec des psychologues et des scientifiques des données qui étudient les données des candidats pour trouver des moyens d’améliorer ce que nous appelons les «quatre E de l’embauche: efficience, efficacité, engagement et éthique». Essentiellement, chaque processus d’embauche doit permettre de gagner du temps, de prévoir les performances et la rétention de l’emploi/de l’organisation, d’être engageant pour les candidats et les recruteurs et d’être équitable pour toutes les parties. Avec les statistiques traditionnelles pré-IA, nous pouvions facilement noter des données numériques telles que les réponses aux évaluations, mais nous ne pouvions pas faire de même pour les données non structurées telles que les CV, les vérifications des antécédents, les réponses dactylographiées et les entretiens. Aujourd’hui, cependant, les techniques avancées d’IA permettent aux chercheurs d’analyser et de noter ces types de sources de données, et cela change la donne.

Nous pouvons désormais utiliser l’IA pour quantifier les sources de données qualitatives telles que les réponses aux entretiens. Et une fois que vous pouvez quantifier quelque chose, vous pouvez voir s’il prédit des résultats importants, comme les performances professionnelles et organisationnelles – et vous pouvez également vérifier si ces prédictions sont biaisées par rapport aux groupes protégés ou autres. Les entrevues non rendues possibles par la technologie sont depuis longtemps biaisées; nous, les humains, sommes en fait des machines à biais, avec toutes sortes de biais cognitifs pour nous aider à évaluer et à interpréter rapidement la quantité massive d’informations que notre corps absorbe à chaque seconde. Les entretiens traditionnels ne sont rien de plus que des rendez-vous dans la mesure où l’intervieweur bavarde avec la personne interrogée et construit une impression très peu scientifique de cette personne. Mais avec l’IA, nous pouvons en fait noter automatiquement les réponses aux entretiens et évaluer statistiquement ces résultats numériques.

Chez Modern Hire, nous avons développé une capacité appelée Automated Interview Scoring (AIS) qui fait exactement cela. Ce qu’il est important de comprendre, c’est que nous n’évaluons ni ne notons à quoi ressemble une personne ou à quoi elle ressemble. Ces sources de données sont remplies de biais et d’informations non pertinentes. Notre notation commence par n’utiliser que les mots transcrits qu’un candidat prononce, car ce contenu est ce que le candidat nous donne à utiliser dans le processus d’embauche. Notre philosophie est que seules les données que les candidats nous donnent consciemment pour les utiliser dans la décision doivent être notées. En plus de cela, nous fournissons également un message clair de consentement de l’IA aux candidats, leur permettant de se retirer de la notation de l’IA.

Dans les grands échantillons de données que nous avons étudiés avec AIS, nous avons constaté qu’il peut reproduire les notes d’entretien d’intervieweurs formés et experts en la matière. C’est excitant parce que cela se produit instantanément. Mais qu’en est-il du biais ? Ces scores AIS sont-ils biaisés par rapport aux classes protégées ? En fait, nos données ont montré que les scores générés par l’AIS sont presque quatre fois moins biaisés que les scores de nos experts en la matière formés. De cette façon, l’AIS réduit le temps et les efforts, reproduit les évaluations humaines et fait tout cela avec des niveaux de biais considérablement inférieurs.

Cet article est loin de cautionner l’IA qui est utilisée sans discernement dans le processus d’embauche. Au contraire, il s’agit moins d’une réfutation de l’article original que d’une extension. Un marteau est un outil qui peut être utilisé pour démolir une maison ou pour en construire une. L’IA est également un outil puissant et, lorsqu’elle est appliquée de manière réfléchie, prudente, rigoureuse et scientifique, elle peut conduire à de grandes améliorations dans la technologie d’embauche. Mais nous devons toujours être extrêmement attentifs à ce que les solutions que nous créons aident non seulement les organisations mais aussi les individus. En tant que psychologue moi-même, je souhaite utiliser des outils technologiques pour améliorer l’embauche des personnes, pas seulement des entreprises. Et à cet égard, nous n’avons jamais eu de technologie aussi utile que l’IA.

Eric Sydell, vice-président exécutif de l’innovation chez Modern Hire, société de plateforme de recrutement basée sur l’IA, où il supervise toutes les initiatives de recherche et d’innovation de produits. Il est un psychologue industriel et organisationnel, un entrepreneur et un consultant avec plus de deux décennies d’expérience dans les secteurs de la technologie du recrutement et de la dotation en personnel. Il est également co-auteur du nouveau livre Décoder les talents : comment l’IA et le Big Data peuvent résoudre le casse-tête des employés de votre entreprisepublié par Fast Company Press.

DataDecisionMakers

Bienvenue dans la communauté VentureBeat !

DataDecisionMakers est l’endroit où les experts, y compris les techniciens travaillant sur les données, peuvent partager des informations et des innovations liées aux données.

Si vous souhaitez en savoir plus sur les idées de pointe et les informations à jour, les meilleures pratiques et l’avenir des données et de la technologie des données, rejoignez-nous sur DataDecisionMakers.

Vous pourriez même envisager de rédiger votre propre article !

En savoir plus sur DataDecisionMakers