L’IA a le potentiel de transformer en profondeur l’organisation et la gestion de la fonction publique. Comme dans d’autres domaines de l’action publique, les outils d’IA pourraient être utilisés pour mieux cibler et personnaliser les services de gestion des ressources humaines (RH), pour accélérer et améliorer les processus de gestion des RH de façon à réduire les charges administratives, et pour accroître la productivité des salariés. Certains pays ont déjà commencé à expérimenter l’application de l’IA à des fonctions RH distinctes, telles que le recrutement, l’apprentissage et le perfectionnement des employés (formation, par exemple). Ce type d’application est généralement axé sur l’automatisation des processus et vise à garantir des processus RH plus rapides et plus rigoureux. Les possibilités offertes par l’IA dans ce domaine pourraient être beaucoup plus vastes. Avec des données adéquates, les systèmes d’IA pourraient, à terme, contribuer à une meilleure adéquation entre les travailleurs et les emplois, et prédire les performances en fonction des exigences du poste, ainsi que des caractéristiques et du parcours des individus. Toutefois, de nombreux éléments doivent être mis en place pour que cela soit possible. Les administrations publiques devraient notamment posséder des données solides sur au moins trois aspects : les caractéristiques de leur personnel, les exigences de certains postes et les indicateurs de performance individuelle. Malheureusement, la plupart des administrations publiques ne disposent pas de données solides sur ces trois aspects. Pour tirer parti de ces possibilités offertes par l’IA, les pouvoirs publics devront investir dans des données RH plus nombreuses et de meilleure qualité, ainsi que dans les compétences connexes au sein de la fonction de gestion des RH.
Gouverner avec l’intelligence artificielle
L’IA dans la réforme de la fonction publique
Copier le lien de L’IA dans la réforme de la fonction publiqueÉtat des lieux
L’IA pourrait être appliquée à un large éventail de processus et d’activités stratégiques de gestion des ressources humaines et permettre de repérer des tendances dans les données relatives à la fonction publique afin d’éclairer une planification plus stratégique des effectifs, de mieux cibler les politiques de gestion des ressources humaines ou même de déterminer les compétences nécessaires en cas d’urgence et de crise. Les données disponibles et les cas d’utilisation mettent en évidence deux domaines de réforme de la fonction publique dans lesquels certains pays expérimentent activement l’application de l’IA, à savoir le recrutement, et l’apprentissage et le perfectionnement. Ces domaines sont étudiés et examinés plus en détail dans la présente section.
Jusqu’à présent, les initiatives ont souvent consisté en des projets pilotes, dépourvus d’une approche stratégique pour une adoption systémique. Des pays comme la France ont cependant suivi une approche cohérente et stratégique pour étudier les avantages de l’IA dans le cadre de la réforme de la fonction publique, en reconnaissant les effets négatifs potentiels et en mettant en place des mesures de sécurité pour y remédier (Encadré 5.19).
Encadré 5.19. France : stratégie d’utilisation de l’IA dans la gestion des ressources humaines de l’administration publique
Copier le lien de Encadré 5.19. France : stratégie d’utilisation de l’IA dans la gestion des ressources humaines de l’administration publiqueLa France a élaboré une stratégie structurée pour intégrer l’IA dans la gestion des ressources humaines à l’échelle de l’ensemble de son administration publique. Cette stratégie se concentre sur trois axes clés : l’intégration de l’IA, la planification des effectifs et la formation des fonctionnaires. Elle a pour objet de garantir une utilisation responsable, éthique et efficace de l’IA, de renforcer la productivité et d’appuyer des processus décisionnels complexes.
La stratégie consiste avant tout à identifier les parties prenantes, les tâches et les outils nécessaires à l’adoption de l’IA dans le cadre des activités de gestion des ressources humaines. Il s’agit notamment de définir des objectifs clairs pour l’utilisation de l’IA, de sélectionner des outils d’IA fiables et d’établir des méthodologies permettant de garantir la transparence et la responsabilité dans le cadre des processus fondés sur l’IA. La stratégie prévoit également une cartographie des risques ainsi que des audits internes pour évaluer les incidences de l’IA et contribuer à garantir son utilisation éthique.
La stratégie met en évidence la nécessité d’adopter une approche de la planification stratégique des effectifs expressément adaptée à l’intégration de l’IA dans les processus RH. L’adoption d’outils d’IA pour l’exécution de tâches traditionnellement effectuées par les agents publics a des conséquences importantes et multidimensionnelles pour la gestion des ressources humaines. Pour assurer une transition sans heurt et une planification durable des effectifs, il est essentiel d’anticiper et d’évaluer efficacement ces conséquences. Cela suppose d’intégrer des considérations relatives à la fois aux effectifs et à l’IA dans les cadres de planification des ressources humaines existants, et en particulier :
de définir les tâches déléguées à l’IA, en veillant à leur alignement sur les objectifs opérationnels et stratégiques ;
d’évaluer les besoins actuels et futurs de compétences, y compris les compétences en IA et les compétences spécialisées complémentaires ;
d’évaluer les incidences de l’IA sur les professions et les fonctions liées aux ressources humaines, en recensant les domaines dans lesquels il est possible d’améliorer les compétences et de transformer les fonctions ; et
d’attirer et de recruter des professionnels maîtrisant l’IA pour accompagner, guider et superviser l’utilisation responsable de l’IA dans la gestion des ressources humaines.
Pour favoriser cette intégration, le gouvernement français accorde une priorité particulière à la formation à l’IA des fonctionnaires, en particulier des cadres et des professionnels des ressources humaines. Des programmes de formation complets ont été mis sur pied pour améliorer les compétences des fonctionnaires, et une charte éthique fusionnant l’éthique RH et l’éthique numérique a été élaborée. Cette approche contribue à garantir une application de l’IA conciliant technologie et surveillance humaine, tout en permettant de préparer la main-d’œuvre au rôle futur de l’IA dans l’administration publique.
Améliorer les processus de recrutement
L’IA peut appuyer la réforme de la fonction publique tout au long du processus de recrutement, en le rendant plus rapide et plus efficace. Les outils d’IA peuvent permettre d’automatiser des tâches transactionnelles telles que la rédaction de descriptifs de poste, la conception de méthodes d’évaluation adaptées aux besoins, la vérification des documents de référence des candidats (diplômes universitaires, par exemple) et la réponse aux demandes des candidats. À Singapour, par exemple, dix organismes publics ont mis en place un service de recrutement fondé sur l’IA afin d’automatiser les tâches répétitives du processus de présélection, comme l’examen et le tri des candidatures. Un robot conversationnel conçu sur mesure administre également la partie écrite du processus de recrutement, en examinant et en notant les réponses écrites des candidats. Ce service a considérablement réduit la charge de travail des organismes publics, en rendant le processus plus efficace et efficient1. Le Royaume‑Uni a aussi déployé des efforts particulièrement importants dans ce domaine (Encadré 5.20).
Encadré 5.20. Royaume‑Uni : automatisation du recrutement grâce à l’IA
Copier le lien de Encadré 5.20. Royaume‑Uni : automatisation du recrutement grâce à l’IAL’Administration des impôts et des douanes du Royaume-Uni (HMRC, HM Revenue and Customs) utilise une plateforme fondée sur l’IA appelée « Outmatch » pour automatiser de bout en bout le processus de recrutement pour certaines postes juniors. Les candidats sont invités à enregistrer leurs réponses à six questions rattachées à un cadre de compétences. L’outil d’IA analyse ensuite leurs réponses et leur attribue une note. L’outil est conçu pour traiter un gros volume de candidatures en automatisant la phase d’évaluation et d’entretien.
L’utilisation des outils d’IA à des fins d’évaluation, de simplification et de redéfinition des descriptifs de poste pour attirer les meilleurs candidats est un domaine qui suscite un vif intérêt. HMRC étudie également les moyens d’aider les responsables du recrutement grâce à un outil d’IA capable de générer des descriptifs de poste, des questions d’entretien et des messages à publier sur les réseaux sociaux, tandis qu’un autre prototype permet d’analyser les marchés du travail régionaux pour élaborer des campagnes de recrutement sur mesure. Le Bureau du Cabinet a mis au point un prototype baptisé « Job Advert Optimizer » (JAO), qui formule des conseils pratiques à partir de précédents descriptifs de poste similaires ayant fait leurs preuves. Cet outil permettra aux responsables du recrutement d’adapter les descriptifs de poste afin de cibler des candidats de haut niveau dotés des compétences et de l’expérience requises. Le Royaume-Uni s’interroge en outre sur le rôle que l’IA pourrait jouer dans d’autres tâches liées au recrutement, comme le soutien aux candidats (du repérage du poste jusqu’à l’acceptation de l’offre), le tri d’un grand nombre de candidatures, la programmation et la planification des entretiens, et l’appariement des candidats figurant sur les listes de réserve avec d’autres postes à pourvoir.
L’IA appliquée au recrutement dans la fonction publique offre en outre de grandes possibilités d’élargir le vivier de candidats et d’améliorer la sélection. Les administrations publiques ont souvent du mal à anticiper les recrutements, à combler les déficits de compétences internes et à promouvoir activement les possibilités d’emploi (OCDE, 2022[49]). On peut citer à titre d’exemple le cas du Canada, évoqué dans l’Encadré 5.21. En Suède, l’administration communale d’Upplands-Bro a mis au point, avec un cabinet de conseil en IA, un assistant IA adapté aux entretiens afin de garantir un processus de recrutement plus précis et de gagner en efficacité. Tout en excluant les données relatives à l’âge, au genre, à l’habillement et à l’apparence, l’assistant IA réalise des entretiens à l’aveugle et évalue les candidats présélectionnés2.
Encadré 5.21. Canada : renforcement de la représentation des minorités visibles à des postes de direction au sein du ministère de la Défense
Copier le lien de Encadré 5.21. Canada : renforcement de la représentation des minorités visibles à des postes de direction au sein du ministère de la DéfenseEn septembre 2020, le ministère de la Défense nationale (MDN) du Canada a lancé un projet pilote de campagne de recrutement externe d’EX-01 visant à accroître la représentation des minorités visibles dans les postes de cadres supérieurs. Ce projet avait pour objet, entre autres, de mettre à l’essai de nouvelles approches fondées à la fois sur l’inclusion et sur les méthodes et les technologies innovantes afin d’augmenter à long terme la représentation, la diversité et l’inclusion au sein du MDN. Les principaux objectifs du projet pilote étaient les suivants :
recenser les possibilités s’offrant aux membres des groupes des minorités visibles ;
introduire des technologies et des outils originaux pour satisfaire aux exigences d’un système exempt de préjugés et d’obstacles ;
évaluer la procédure du projet pilote par rapport aux procédures traditionnelles pour cerner les préjugés et les obstacles systémiques et formuler des recommandations pour améliorer les procédures de recrutement.
En partenariat avec diverses parties prenantes, des garde-fous appropriés ont été mis en place pour garantir la protection de la vie privée et l’assurance de la qualité. Ce processus a facilité la réalisation des principaux résultats en favorisant une évaluation juste et objective des candidats et en éliminant les préjugés et les obstacles à chaque étape. Ce projet pilote a permis de créer des possibilités de développement professionnel et d’améliorer les approches et procédures traditionnelles en vue d’obtenir de meilleurs résultats.
Faciliter l’apprentissage et le développement des compétences
La réforme de la fonction publique peut tirer parti de l’IA générative pour créer des contenus d’apprentissage, tels que des modules d’apprentissage et des supports de cours reposant sur des documents et des informations de référence. Des efforts allant dans ce sens sont déjà déployés dans le monde entier. L’IA peut également être utilisée pour formuler des recommandations personnalisées et rechercher les possibilités d’apprentissage et de développement professionnel à partir d’un volume important et complexe d’informations et de données (Johnson, Coggburn et Llorens, 2022[50]). Dans ce domaine, on peut notamment citer les exemples suivants :
La Commission australienne de la fonction publique (Australian Public Service Commission, APSC) a collaboré avec IBM en 2023 pour concevoir, structurer et déployer un système générant des contenus de cours à partir de documents fournis par les utilisateurs (Encadré 5.22).
En Espagne, l’Institut national d’administration publique (Instituto Nacional de Administración Pública, INAP) a entrepris d’intégrer l’IA dans les fonctionnalités d’organisation, de classement et de recherche sur ses plateformes numériques, ainsi que dans son offre d’apprentissage et dans l’ensemble de ses ressources. Le « graphique des connaissances » qui en résulte permet de trouver, consulter et partager facilement une grande partie des ressources avec les fonctionnaires espagnols, les pays partenaires et le grand public.
La plateforme de formation et de développement du ministère coréen de la Gestion du personnel comporte des fonctionnalités fondées sur l’IA destinées à faciliter le tri, l’organisation et la suggestion des contenus. Le système d’IA actuellement mis en œuvre sert à analyser le rôle de l’utilisateur et son historique d’apprentissage afin de lui suggérer des formations et des ressources qui lui permettront de renforcer certaines compétences à partir du vaste catalogue de la plateforme, qui contient quelque 1.4 million d’éléments de contenu (OCDE, 2023[51]).
Encadré 5.22. Australie : génération de contenus d’apprentissage
Copier le lien de Encadré 5.22. Australie : génération de contenus d’apprentissageLa Commission australienne de la fonction publique (Australian Public Service Commission) a mené un projet pilote de six semaines visant à tester la capacité de l’IA à concevoir, structurer et déployer une formation en ligne sur les compétences numériques destinée aux cadres. Durant ce projet pilote, des professionnels ont pu « alimenter » l’IA avec divers supports d’information, tels que des articles, des ouvrages et des transcriptions de discours, dans un système fermé d’informations qui a été utilisé pour générer des contenus de cours. L’outil a élaboré un plan de cours, des objectifs, des modules et du contenu, ainsi qu’un test. Les résultats du projet pilote ont montré qu’environ 60 à 70 % des contenus produits par le système d’IA étaient utilisables, pertinents, bien structurés et exacts. Dans le cadre d’une enquête menée auprès des utilisateurs, 91 % des répondants ont jugé les résultats utiles. Afin d’améliorer ces chiffres, le professionnel qui crée le contenu pourrait fournir un retour d’information au système d’IA sur le résultat obtenu afin que ce dernier puisse être ajusté.
Ce projet a présenté plusieurs avantages. Premièrement, la rédaction du contenu a été extrêmement rapide. Deuxièmement, les informations utilisées ont été tirées d’un système fermé, ce qui a permis d’éliminer l’incertitude quant à la provenance de ces informations et à leur exactitude. Le système a mis en évidence les différents domaines des modules et indiqué la source des informations. Troisièmement, le système comportait également des mécanismes de contrôle intégrés pour examiner les contenus et détecter tout éventuel problème, comme l’usage d’un langage discriminatoire, par exemple.
Bien qu’il ait pu rédiger très rapidement du contenu pédagogique, le système pilote a généré du contenu qui n’était pas prêt à être produit et utilisé. Les problèmes rencontrés étaient les suivants :
L’IA peut bien synthétiser les contenus existants mais ne peut pas créer des contenus qui n’existent pas. Ainsi, le système n’a pas pu rédiger de cours sur l’utilisation de l’IA dans la fonction publique à ce stade, car il n’existait aucun contenu sur le sujet.
Une vérification par des experts a été nécessaire pour garantir la fiabilité des contenus. Or c’est généralement là qu’il existe déjà des goulets d’étranglement dans la production de contenus.
Bien que le système fermé ait permis d’obtenir des résultats plus précis, il s’agit d’une solution coûteuse si elle est utilisée uniquement pour l’élaboration de contenus pédagogiques.
À l’issue de ce projet pilote, l’APSC a reconnu l’utilité des systèmes d’IA fermés, sur site, pour faciliter la création de contenus. Elle a toutefois chargé un autre organisme public australien, Services Australia, de mener une enquête plus approfondie sur l’IA sur site. On trouvera d’autres renseignements sur l’utilisation de l’IA par les organismes publics australiens dans les déclarations sur l’IA publiées par ces derniers.
Source : informations transmises à l’OCDE par la Commission australienne de la fonction publique (APSC, Australian Public Service Commission), https://www.apsacademy.gov.au/news/piloting-generative-ai-address-aps-skills-gap. Déclaration de l’APSC sur l’IA (https://www.apsc.gov.au/initiatives-and-programs/workforce-information/research-analysis-and-publications/state-service/state-service-report-2023-24/fit-future/supporting-safe-and-responsible-use-artificial-intelligence), et déclaration de la Direction des services (Services Australia) sur l’IA (https://www.servicesaustralia.gov.au/automation-and-artificial-intelligence-ai-use).
Données probantes sur l’impact
Compte tenu du caractère très récent des applications de l’IA décrites ci-dessus, il est encore trop tôt pour fournir des preuves empiriques de leur impact. Les premières expériences, comme celles susmentionnées, révèlent qu’il est possible de réduire sensiblement le temps et les efforts nécessaires pour traiter de gros volumes (candidats, matériel pédagogique existant, par exemple), élargir le vivier de candidats et réduire l’erreur humaine dans la prise de décision. Toutefois, dans la plupart des cas, on constate un manque notable de données empiriques rigoureuses qui démontrent l’efficacité et l’impact de ces applications. Nombre d’applications de l’IA reposent sur des expériences théoriques ou anecdotiques concluantes plutôt que sur des évaluations scientifiques robustes. Pour remédier à cela, il est nécessaire de déployer des efforts concertés pour concevoir et réaliser des évaluations rigoureuses des applications de l’IA à la gestion des ressources humaines de la fonction publique. À l’avenir, les applications devraient reposer sur des données empiriques et être adaptées aux besoins et contraintes spécifiques des organismes publics.
Par ailleurs, de nombreuses questions subsistent concernant les effets négatifs potentiels de l’IA. En effet, les outils de recrutement fondés sur l’IA peuvent contribuer à réduire l’erreur humaine selon la manière dont ils sont utilisés, mais ils peuvent aussi limiter l’autonomie décisionnelle des responsables du recrutement, ce qui peut nuire à la qualité de l’embauche s’agissant de la compatibilité avec la culture interne et l’équipe ou d’autres aspects du recrutement. Ils peuvent également limiter la capacité des responsables à constituer leurs propres équipes pour atteindre les objectifs fixés. Il est difficile d’évaluer la qualité des décisions prises par le biais de systèmes d’IA, car cela suppose d’avoir une vision à plus long terme des performances et de l’adéquation au poste. Il existe en outre peu de points de comparaison. Les systèmes et processus traditionnels (c’est-à-dire antérieurs à l’IA) ne permettent pas de mesurer et d’évaluer efficacement la qualité des décisions, et il n’existe pas d’indicateurs standard communs, en particulier dans les systèmes dépourvus d’indicateurs de performance objectifs, comme c’est souvent le cas dans les administrations publiques.
Il pourrait donc s’écouler beaucoup de temps avant que les pouvoirs publics soient en mesure d’évaluer efficacement l’impact réel à long terme de la qualité des décisions fondées sur l’IA par rapport à celles prises par les systèmes traditionnels ou les humains. Il sera également très difficile de mesurer l’impact de l’IA sur la productivité des systèmes de gestion des RH, dans la mesure où il existe très peu d’indicateurs comparables et de points de référence. L’OCDE travaille actuellement avec un ensemble de pays membres pour tenter d’élaborer ce type d’indicateurs, qui pourraient permettre de mesurer les améliorations apportées par l’IA à l’avenir.
Gérer les risques et les défis
Risques associés
« Biais d’automatisation »
Données insuffisantes ou biaisées dans les systèmes d’IA
Utilisation abusive ou discutable de l’IA, soulevant des préoccupations en matière de surveillance et de protection de la vie privée
Manque de transparence et d’explicabilité
Dans le domaine de la réforme de la fonction publique, il existe un risque avéré de biais d’automatisation. Autrement dit, les humains préfèrent ne pas remettre en question les résultats des systèmes automatisés d’aide à la décision, même lorsqu’ils sont responsables et redevables en dernier ressort de la décision finale. Afin d’utiliser au mieux l’IA à l’appui de la réforme de la fonction publique, il faudra renforcer les capacités d’analyse stratégique des responsables du recrutement, mais aussi pour de nombreuses activités de gestion des RH (Broecke, 2023[52]).
Une autre défi bien connu consiste à éviter, détecter et corriger la partialité des systèmes d’IA, en particulier si l’IA est utilisée pour éclairer une prise de décision relative à la procédure de sélection ou à l’avancement professionnel. Le problème tient au fait que les données historiques de tout organisme public reposent sur des décisions prises par des humains ; il existe donc un risque important que les systèmes d’IA codent en dur ces points de vue dans leurs algorithmes. Si l’on ajoute à cela le manque général de données et d’indicateurs de performance sur les employés, il devient difficile de voir comment des conseils personnalisés et de qualité pourraient être prodigués par ces systèmes d’IA. La mise en place de tout système dans ce domaine nécessitera des mécanismes de suivi et d’évaluation rigoureux pour détecter les biais et les corriger (Johnson, Coggburn et Llorens, 2022[50]).
Les droits des fonctionnaires en matière de données et de protection de la vie privée nécessitent une attention particulière dans le contexte de la fonction publique, où le recrutement repose sur des valeurs telles que le mérite et l’équité, ce qui limite intrinsèquement les types de données pouvant être utilisés dans les systèmes d’IA. Dans le secteur privé, certains outils de recrutement utilisés analysent régulièrement les comptes de médias sociaux des candidats et s’appuient sur ces données pour évaluer les candidatures. Peu d’éléments empiriques indiquent que les messages publiés dans les médias sociaux ou les caractéristiques physiques susceptibles d’être analysées lors d’entretiens vidéo ont une incidence réelle sur les performances professionnelles. Cela soulève des questions d’éthique et d’efficacité concernant de nombreux outils d’évaluation fondés sur l’IA actuellement disponibles sur le marché (Broecke, 2023[52]).
L’adoption d’outils de « gestion algorithmique » – c’est-à-dire des logiciels permettant d’automatiser certains aspects de la gestion, tels que l’organisation des horaires de travail, le suivi des activités ou la définition d’objectifs individuels – progresse considérablement, atteignant un taux de 90 % dans les entreprises américaines et de 79 % dans l’Union européenne (Milanez, Lemmens et Ruggiu, 2025[53]). Jusqu’à présent, aucune étude portant spécifiquement sur le secteur public n’a été réalisée. Bien que certains de ces outils peuvent permettre d’accroître la productivité s’ils sont bien utilisés, des inquiétudes tangibles se sont fait jour concernant les effets négatifs que l’IA et les outils algorithmiques ont déjà sur la qualité de l’emploi, à savoir une intensification du travail, un stress accru et un sentiment de réduction de l’équité (OCDE, 2023[54]). L’IA pourrait rendre les emplois moins gratifiants en favorisant de nouvelles formes de surveillance sur le lieu de travail susceptibles de nuire à la santé mentale (APA, 2023[55]), ou encore un « taylorisme numérique » extrêmement efficace mais épuisant, dans le cadre duquel le travail fait l’objet d’une surveillance et réglementation accrues (UC Berkeley, 2021[56]). La gestion des tâches par l’IA peut également avoir pour effet d’éroder l’autonomie des travailleurs ainsi que leur capacité à faire entendre leur voix, affaiblissant ainsi la dimension humaine de la gestion du travail (Gmyrek, Berg et Bescond, 2023[57]). Nombre outils d’IA destinés à la gestion des RH sont conçus pour « optimiser » la gestion du personnel (surveiller, contrôler, réduire l’autonomie dans la prise de décision, résoudre des problèmes, etc.), allant à l’encontre de décennies de données scientifiques montrant que l’autonomisation des employés renforce la mobilisation, les performances et la confiance. D’après certaines études, il est essentiel de présenter l’IA comme un outil destiné à aider les employés plutôt qu’à les remplacer ou à limiter leur autonomie si l’on veut favoriser une perception positive de l’IA dans le cadre professionnel (Brougham et Haar, 2017[58]).
Plus les systèmes d’IA et leurs prévisions sont complexes, moins ils sont compréhensibles et explicables. Cela dilue les responsabilités si les employeurs ne peuvent justifier leurs décisions, tout entravant la capacité des employés à comprendre comment développer leurs compétences pour faire évoluer leur carrière. Les systèmes de recrutement fondés sur le mérite sont un élément fondamental du bon fonctionnement des dispositifs d’emploi public, et ils doivent reposer sur les principes de transparence et de responsabilité pour fonctionner correctement. Salariés et employeurs doivent clairement comprendre les décisions d’engagement prises et la manière dont les compétences et les performances des individus sont analysées (Cappelli et Rogovsky, 2023[59]).
Défis de mise en œuvre
Manque de données de qualité et incapacité à les partager
Explicabilité
Déficits de compétences
Des données de qualité sont essentielles à la mise en œuvre de l’IA dans le cadre de la réforme de la fonction publique. Malheureusement, les pays de l’OCDE ne disposent pas de grandes quantités de données dans la plupart des domaines pertinents. Qui plus est, les données ne sont souvent pas systématiquement harmonisées entre les organismes pour permettre une analyse plus rigoureuse et prédictive. Les données descriptives se limitent souvent à l’âge, au genre, au niveau d’études et au parcours professionnel. Il est très difficile d’évaluer les performances de manière objective et uniforme dans l’ensemble des équipes et organismes. Les postes sont en outre souvent regroupés en grandes catégories. Si l’IA se fonde sur des données erronées ou incomplètes, elle fera de mauvaises prévisions.
La mise en œuvre de l’IA dans les systèmes de gestion de la fonction publique nécessite des professionnels des ressources humaines qui possèdent les compétences et l’état d’esprit adéquats. Bien que des compétences techniques en matière d’IA ne soient pas nécessairement requises, les responsables des ressources humaines devraient être en mesure de comprendre comment l’IA peut être appliquée à leurs systèmes et détenir les compétences adéquates pour acheter de manière avisée des outils sur le marché. Les professionnels des RH qui utilisent des outils d’IA ont souvent besoin de capacités d’analyse pour comprendre les principes sous-tendant ces outils et l’utilisation faite de l’analytique des données, afin d’interpréter et de remettre en question les résultats. Bien qu’elles abondent dans les administrations publiques, les compétences nécessaires en matière d’IA font souvent défaut dans les services chargés des ressources humaines.
Potentiel inexploité et perspectives
Renforcement de l’analytique des données pour le présent et l’avenir
Les organismes publics pourraient recueillir un grand nombre de données et d’informations sur leurs employés et les faire analyser pour améliorer les performances et l’expérience collaborateur ; toutefois, l’IA est généralement sous-utilisée dans le domaine de la gestion des ressources humaines en raison de plusieurs obstacles. Les capacités de l’IA pourraient permettre aux professionnels des RH et aux équipes de direction d’étudier les tendances actuelles de la main-d’œuvre (vieillissement, compétences et performances, rémunération) et apporter des éclairages précieux sur les principales problématiques et questions actuelles : l’attractivité ou la compétitivité de l’administration publique en tant qu’employeur ; les besoins de reconversion et d’amélioration des compétences ; l’amélioration du ciblage de l’offre de formation et de perfectionnement ; ou les déterminants des performances et de la satisfaction des employés et des équipes.
Les algorithmes d’IA peuvent utiliser des données de séries chronologiques à des fins d’analyse prédictive pour définir les tendances et établir des prédictions relatives à la fonction publique. Une analyse de régression simple peut être effectuée sans recourir à l’IA, mais des opérations plus sophistiquées pourraient être mises au point avec des modélisations et des scénarios plus complexes. Ainsi, les organismes publics pourraient réduire le taux de rotation du personnel en s’appuyant sur des prédictions concernant les employés les plus susceptibles de quitter leur emploi en fonction de leur ancienneté dans un poste, de leur degré d’engagement au sein de leur équipe et d’autres facteurs. Grâce à l’analyse de vastes ensembles de données, l’IA peut recenser les facteurs et les tendances qui conduisent à un taux de rotation excessif (coûteux pour les organisations et préjudiciable aux performances) et permettre aux professionnels de prendre des mesures d’anticipation pour améliorer la situation. Outre la réduction du taux de rotation du personnel, l’analyse prédictive peut faciliter la planification des effectifs en aidant à anticiper les pénuries de compétences ou de personnel, à prédire quels sont les employés les plus performants pour certains types de fonctions, à promouvoir la diversité et l’inclusion, ou à renforcer l’engagement et le bien-être.
À l’heure actuelle, ces applications en sont encore à un stade très embryonnaire au sein de la fonction publique ; l’OCDE n’a pas encore été en mesure de recenser de nombreux cas concrets d’utilisation de l’IA dans ce domaine. Cela tient probablement à diverses difficultés, comme celles énumérées ci-dessus, ainsi qu’à des préoccupations légitimes en matière d’éthique et de protection de la vie privée, lesquelles sont plus amplement évoquées ci-après.
Pistes pour l’avenir
Les outils d’IA peuvent offrir aux dirigeants une nouvelle occasion d’élaborer une vision et une orientation stratégiques pour la fonction publique et de mettre en place les activités RH nécessaires. L’IA peut transformer la main-d’œuvre et renforcer ses compétences dans de nombreux domaines. Dans le domaine de la gestion des RH, l’IA peut permettre d’accélérer les processus RH, de mieux cibler les services, les connaissances et les campagnes de recrutement/de marque employeur, et d’apporter des éclairages précieux aux responsables de la gestion des ressources humaines et aux cadres supérieurs sur tout un éventail de questions, allant des déficits de compétences futurs à l’efficacité du recrutement. L’IA est un outil susceptible de transformer l’apprentissage et le développement des compétences, en livrant des connaissances aux fonctionnaires et en renforçant leurs compétences et aptitudes fondamentales. Pour cela, il est essentiel de disposer d’une vision claire de l’avenir de la fonction publique, étayée par des ressources adéquates et des équipes RH qualifiées. Cela suppose une stratégie concertée de développement des compétences de la main-d’œuvre dans laquelle l’IA joue un rôle de premier plan.
Renforcer la transparence et donner aux employés des explications et la possibilité de contester les décisions automatisées. Des études indiquent que de nombreux candidats et employés peuvent juger les processus d’évaluation automatisés plus équitables que ceux menés par des humains s’ils comprennent comment ils fonctionnent et pourquoi ils sont utilisés, à condition d’être assurés qu’un humain sera responsable de la décision finale (Broecke, 2023[52]). Cette transparence doit passer par la communication des éléments pris en compte dans la décision, l’obtention d’un consentement éclairé et la gestion des questions relatives à la protection de la vie privée des employés. Les administrations publiques devraient s’appuyer pour cela sur un socle clair de données d’entrée empiriques.
Associer les professionnels des RH et d’autres agents à la conception, à la mise en œuvre et à l’évaluation des outils d’IA destinés à la gestion des RH. Les administrations publiques devraient être particulièrement prudentes lors de la mise en place d’outils d’IA susceptibles de réduire l’autonomie des employés. Dans certains cas, l’automatisation pilotée par l’IA pourrait réduire l’autonomie des travailleurs et dévaloriser leurs compétences spécialisées, entraînant une baisse de leur motivation, de leur implication et de leur engagement. C’est d’autant plus vrai lorsque les outils d’IA sont directement utilisés pour optimiser la productivité des travailleurs, les orienter dans la gestion de leur temps et assurer un suivi de leur travail. Une telle application peut avoir des effets indésirables : en accentuant le stress et l’anxiété, elle risque d’accroître l’absence au travail et le taux de rotation des effectifs, réduisant ainsi la productivité à long terme. Ces effets peuvent être évités si l’on associe des professionnels des RH et d’autres agents à la conception, à la mise en œuvre et à l’évaluation des outils de gestion des RH.
Améliorer et recycler les compétences des professionnels des RH à l’ère de l’IA. L’automatisation présente de nombreux avantages et réduit la charge administrative des professionnels des RH et des employés qu’ils accompagnent. Elle permet de réaliser une grande partie des tâches répétitives et ennuyeuses, laissant aux professionnels des RH le temps de se concentrer sur des missions plus complexes et à plus forte valeur ajoutée, comme la gestion de cas complexes, le recrutement de travailleurs dotés de compétences spécialisées et l’élaboration d’une stratégie (OCDE, 2024[60]). Cela nécessitera toutefois, dans de nombreux cas, une amélioration et un recyclage des compétences des professionnels des RH. Pour certains types d’employés, l’État devra investir dans l’amélioration des compétences dans des domaines plus techniques, comme la science des données et la programmation, afin d’aider les professionnels des RH à comprendre et utiliser efficacement les systèmes d’IA.
Si des systèmes d’IA sont utilisés pour évaluer les candidats, il conviendrait alors de faire appel à des personnes qualifiées pour interpréter les résultats et prendre les décisions finales. Les administrations publiques devraient veiller à ce que le processus soit conçu de manière à réduire au minimum le « biais d’automatisation ». Il est possible de réaliser dans un premier temps des évaluations classiques et d’intégrer dans un second temps des informations fournies par l’IA, afin d’obtenir des éclairages supplémentaires sur les candidat(e)s retenu(e)s à l’issue d’une première sélection. De cette manière, l’IA peut permettre de contrôler les pratiques de recrutement et d’améliorer la prise de décision humaine sans toutefois la remplacer. Il s’agit là d’un élément essentiel pour garantir le niveau de responsabilité approprié nécessaire à une prise de décision fondée sur le mérite dans les services publics.
Les administrations publiques qui intègrent l’IA dans le domaine de l’analyse des effectifs devraient tirer parti des avantages offerts par l’IA tout en tenant compte des coûts et des risques connexes. Il est en outre indispensable qu’elles disposent de données rigoureuses et fiables, ainsi que de capacités statistiques leur permettant de comprendre et vérifier les résultats et les analyses générés par l’IA et leurs faiblesses, et qu’elles aient mis en place des mesures visant à protéger la vie privée des employés et éviter les biais.