Les lecteurs des chiffres RH sont ici des gens qui calculent pour vivre : ils repèrent une moyenne mal définie au premier coup d'œil. Les équipes sont petites, si bien qu'un taux de départ par équipe peut désigner une personne. Et la tentation est forte, dans une maison qui sait modéliser, de demander un score de risque de démission à partir des données du personnel.

Ce qu'il fait chaque jour chez vous

Mesurer l'intercontrat et l'occupation des consultantsIl calcule chaque mois la part de jours facturables, les consultants entre deux missions et la durée de ces périodes, en écrivant la définition retenue pour que la direction ne compare pas des chiffres calculés autrement.
Suivre les départs des profils raresIl isole les départs par famille de métier (ingénierie, science des données, analyse, gestion de projet) et l'ancienneté au départ, en regroupant les catégories quand l'effectif est trop petit pour être publié.
Livrer des extractions ramenées au strict nécessaireQuand une équipe interne réclame des données RH, il ne transmet que les champs utiles, après pseudonymisation, et rappelle que ces données restent personnelles et soumises aux mêmes règles.
Refuser qu'un fichier du personnel devienne une base d'apprentissageSi un projet interne veut faire des données RH un jeu de données d'entraînement, il alerte la direction et le délégué à la protection des données avant toute extraction, sans fournir le moindre fichier.
Expliquer chaque variation en langage de directionIl accompagne chaque indicateur qui bouge d'une explication vérifiée — un départ groupé d'une équipe, des recrutements de fin de trimestre — et dit clairement ce qu'il ne sait pas encore expliquer.
Tenir le dictionnaire des indicateurs RHIl maintient la définition écrite de chaque indicateur, sa source, sa date d'extraction et sa règle de calcul, pour que deux personnes lisant le même tableau entendent la même chose.

Sur le terrain

Un score de démission demandé un vendredi

Un associé demande à l'analyste un modèle qui prédirait les démissions à partir des entretiens annuels et des salaires. L'agent ne prépare aucun fichier. Il écrit à l'associé et au délégué à la protection des données qu'un tel outil, utilisé pour des décisions sur le personnel, relèverait probablement d'un système d'IA à haut risque, et propose à la place une analyse agrégée des motifs de départ déclarés.

Un taux de départ qui désignait quelqu'un

Le tableau mensuel affichait un taux de départ de 50 % pour l'équipe vision par ordinateur. L'équipe comptait deux personnes, et chacun savait qui était parti. L'agent regroupe les petites équipes dans une ligne « ingénierie IA », ajoute une note sur la règle de regroupement, et le comité de direction lit désormais une tendance plutôt qu'un nom.

Les mots qu'il emploie chaque jour

Pseudonymisation: Elle remplace les identifiants mais laisse des données personnelles ; seule une anonymisation véritable est irréversible.
Jeu de données d'entraînement: Les données qui servent à fabriquer le modèle : leur origine et leurs droits conditionnent tout ce qu'on pourra en faire.
Système d'IA à haut risque: La catégorie réglementaire qui impose documentation, supervision humaine et journalisation avant toute mise sur le marché.

Son métier de départ : Analyste RH. Toute l'activité : Données et intelligence artificielle.