Précision vs. Gut Feeling : Pourquoi votre instinct est votre investissement le plus risqué.

Le constat : 50% de réussite, c’est un échec stratégique

Le modèle de recrutement traditionnel, obsédé par le CV et les années d’expérience, plafonne à 20% de succès [1]. Le passage au Competence-Based Recruitment dans les années 2000 a certes monté le curseur à 50%[2], mais soyons honnêtes : jouer l’avenir de votre département sur un lancer de pièce n’est pas une stratégie, c’est un pari.   

Pendant des décennies, on a traité le recrutement comme une formalité administrative ou une vague affaire de “culture fit” (souvent un code pour se dire “cette personne me ressemble, je l’apprécie et l’embauche”). Dans une économie volatile, ce point de vue n’est pas seulement dépassé : c’est un angle mort financier majeur. 

Il est temps de passer du “feeling” à Performance Prediction, via l’Evidence-Based Recruitment.

De l’intuition à la donnée scientifique

Pour comprendre où nous allons, regardons d’où nous venons (et où beaucoup stagnent encore).

1. Recrutement traditionnel : l’ère de l’intuition non structurée 

Historiquement, le recrutement était une fonction isolée, presque artisanale. Les line managers opéraient de façon très libre, tentant de jauger un candidat via des dialogues sans réels cadres. C’est l’époque des questions “casse-tête” aujourd’hui discréditées : 

• "Où vous voyez-vous dans 5 ans ?"
• "Combien de balles de tennis peuvent rentrer dans un Boeing 747 ?"

Dans ce Far West, le recruteur est alors submergé de données, sans plus de précisions sur le profil rencontré. Sans grille d’évaluation validée, la décision finale revient par défaut au fameux “gut feeling” - un filtre bien subjectif et lourdement pollué de biais. 

Pour compenser ce manque de données réelles, les entreprises se sont rabattues sur des Signaux de Substitution (Proxy Signals) comme le nombre d’années d’expérience, le pedigree de l’université ou le prestige d’anciens employeurs. L’idée étant : “S’il vient de cette école ou de cette entreprise, il doit forcément être bon”. Or, nous savons désormais que l’ancienneté n’est pas synonyme de compétence et que le prestige n’est pas un actif transférable. La performance est une variable hautement sensible à l’environnement (culture, leadership, équipe) que ces proxies n’ont pas été capables de capturer. Bilan : un taux de succès de 20% [1].

2. Competence-Based Recruitment : la phase de transition

Face à la volatilité du modèle traditionnel, les années 2000 ont vu émerger le Competence Based Recruitment. Un saut qualitatif majeur qui a apporté une structure bienvenue autour d’attributs comportementaux définis et communément admis (ex. Leadership stratégique, gestion de différentes parties prenantes pour n’en citer que deux).

Cette approche a permis trois avancées : 

1. Une Taxonomie Comportementale : on a enfin mis des mots sur ce qu’un “manager performant” fait réellement,
2. Un Alignement Stratégique : on a créé des profils de performance nuancés (ex: d’une haute maîtrise de X, mais basique de Y),
3. La distinction Hard vs. Soft Skills: on a séparé l’expertise technique des capacités interpersonnelles nécessaires pour l’exécuter.

Avec l’introduction de méthodes comme la technique STAR, les entretiens sont devenus plus ciblés, doublant la précision prédictive pour atteindre 50% [2]. Mais pour une entreprise suisse axée sur l’excellence, 50% reste un score médiocre. Pourquoi ?

• Définitions subjectives : Le "leadership" ou "l’esprit d’équipe” ? Des concepts flous, pas des mesures scientifiques. Ces termes ne sont pas des construits psychométriques standardisés et leur définition varie d’une entreprise à l’autre. Résultat : on tente de viser des cibles mouvantes, impossibles à calibrer avec précision.
• Une maintenance épuisante : les modèles de compétences internes sont de véritables usines à gaz. Ils sont notoirement difficiles à mettre à l’échelle et encore plus à actualiser au rythme effréné du marché. Avant même d’être déployés, ils sont souvent déjà obsolètes.
• Une logique de supposition : le choix des compétences repose trop souvent sur un consensus interne (l’opinion collective) plutôt que sur des preuves empiriques. On finit par exiger des critères qui n’ont, en réalité, aucune corrélation prouvée avec la performance future. 
• Des silos de données : les résultats des évaluations sont rarement capturés sous forme de données structurées. Sans data exploitable, impossible de lancer les analyses prédictives nécessaires à une amélioration continue de vos recrutements.

Le Competence-Based Recruitment a été une étape fondamentale dans notre évolution: il a apporté de la structure là où régnait le chaos. Il a préparé le terrain pour l’étape suivante : le passage des “entretiens structurés” aux Predictive Performance Analytics.

Si le Competence-Based nous a appris à marcher, l’Evidence-Based est le stade où le sprint est possible.

La frontière stratégique : l’Evidence-Based Recruitment (EBR)

Nous sommes aujourd’hui entrés dans l’ère de la Predictive Performance Analytics. Dans un paysage business défini par le “Big Data”, les organisations avant-gardistes ont troqué l’observation comportementale pour une méthodologie de haute fidélité. 

Qu’est-ce que l’EBR, concrètement ?

C’est un processus de “reverse-engineering” de haute performance où il s’agit d’identifier les drivers cognitifs et comportementaux qui corrèlent avec le succès pour un rôle précis, puis de sélectionner les candidats qui présentent des preuves quantifiées de ces traits spécifiques. EBR s’appuie sur quatre pilliers stratégiques :

• Potentiel humain quantifié: chaque exigence est convertie en points de données structurés. On ne “pense” pas qu’un candidat est un leader, on mesure son score sur des échelles psychométriques, validées en amont.
• Validation scientifique: on utilise uniquement des outils de mesure répondant aux normes internationales les plus strictes. La donnée n’est plus seulement “intéressante”, elle devient également prédictive.
• Recueil de feedbacks sur la méthode: le processus ne s’arrête pas à la signature du contrat. On corrèle la performance réelle à J+365 avec les scores initiaux pour affiner le modèle, et ce en continu.
• Impartialité garantie: en utilisant une matrice de décision data-driven, on neutralise le “bruit” créé par l’interprétation humaine avec les biais inconscients. Le potentiel le plus pur remonte naturellement à la surface.

Le protocole pour prédire la performance : les cinq piliers clés de EBR

Pour passer d’un modèle de recrutement intuitif à un véritable moteur de performance, les organisations doivent adopter une méthodologie stratégique standardisée. L’Evidence-Based Recruitment n’est pas un simple outil isolé, mais une séquence de cinq phases rigoureuses conçues pour éliminer l’aléa.

Voici comment EBR transforme radicalement la prédiction de performance : 

1. Définir l’outcome de performance : clarifier précisément ce qu’est, pour un poste et contexte précis, une “performance forte” et les comportements nécessaires pour l’atteindre,
2. Choisir les bons critères: isoler les traits de personnalité qui génèrent les comportements attendus. On élimine le superflu pour se concentrer sur ce qui a la plus forte corrélation statistique avec le succès,
3. Appliquer des méthodes de sélection fiables : évaluer les candidats avec des assessments de haute précision. 
4. Processus de décision impartiale : pondérer l’ensemble des données par rapport aux exigences prédéfinies pour garantir une objectivité totale. Ainsi, on élimine le “bruit” de l’interprétation humaine pour sélectionner du potentiel à la performance pur.
5. Valider la performance : comparer les résultats sur le terrain avec les données de recrutement pour optimiser l’investissement en capital humain. Cette boucle fermée permet à l’organisation d’affiner ses modèles prédictifs avec précision. C’est le gage d’une optimisation continue de votre investissement le plus critique, votre capital humain.

Dans nos prochains articles, nous décortiquerons chacun de ces cinq piliers pour vous offrir des leviers actionnables. La transition l’Evidence-Based Recruitment est plus qu’un simple changement de processus : c’est un engagement vers davantage de précision.

References

1. Estimating Traditional recruitment success:

• Murphy, M. (2011). Hiring for attitude, McGraw-Hill. Education, Leadership IQ study.

2. Estimating Competence based recruitment success:

• Stroo, M., Asfaw, K., Deeter, C., Freel, S. A., Brouwer, R. J. N., Hames, B., & Snyder, D. C. (2020). Impact of implementing a competency-based job framework for clinical research professionals on employee turnover. Journal of Clinical and Translational Science, 4, 331–335.
• Kolibáčová, D. (2014). The Relationship Between Competency and Performance. Acta Universitatis Agriculturae et Silviculturae Mendelianae Brunensis, 62(6), 1315-1320. 
• Dadwal. S, & Arya. P (2024). Impact of Competency Based Recruitment and Selection on Retention of Employees. International Journal of Research Publication and Reviews, Vol 5, no 3, pp 3545-3548

3. Estimating Evidence based recruitment success:

• Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022) Revisiting Meta-Analytic Estimates of Validity in Personnel Selection: Addressing Systematic Overcorrection for Restriction of Range. Journal of Applied Psychology
• Sjöberg, S. (2014) Utilizing research in the practice of personnel selection: General mental ability, personality, and job performance. Doctoral thesis. Faculty of Social Sciences, Department of Psychology, Stockholm University, Sweden
• Kuncel, N. R., Connelly, B. S., Klieger, D. M., & Ones, D. S. (2013) Mechanical versus Clinical data combination in Selection and Admissions Decisions: A MetaAnalysis, Journal of Applied Psychology.