Un nouveau chapitre commence
L’aptitude aux données et aux connaissances comme facilitateur de transformation
Ou le contraire, et peut-être encore pire : Nous retardons les initiatives nécessaires parce que nos données ne sont pas en ordre. « Nous ne sommes pas prêts » est souvent démontré par l’intégrité des données et la préparation des ressources.
Les initiatives individuelles et les programmes de transformation nécessitent des données et une mise à niveau des connaissances, pas comme quelque chose « à faire plus tard » et non plus comme une simple case à cocher, un sprint ou un projet de tableau de bord cosmétique. Ce travail n’est même pas « terminé » une fois que les données et les connaissance ont été nettoyées pour le lancement.
Les données sont comme la mise en forme physique. Les connaissances, aussi.
Et une bonne forme physique est quelque chose qui nécéssite un effort constant, au risque de la perdre rapidement si la mise en forme cessent.
Si vous vous êtes déjà entraîné pour quoi que ce soit, une course, un rétablissement, une réinvention, vous savez ceci : vous ne vous attendez pas à performer si vous arrivez sans préparation. Vous renforcez, développez des habitudes et vivez dans la discipline. Vous vous attardez aux petits détails pour que votre corps (ou votre entreprise) ne se brise pas lorsque la pression est forte.
Pourquoi les données et les connaissances sont-elles importantes?
Le monde du travail est de plus en plus numérique et mondial. Que votre entreprise soit grande ou petite, les attentes de la main-d’œuvre sont plus élevées que jamais et évoluent constamment. Les expériences des consommateurs placent la barre haute pour des expériences de travail sans friction et intuitives, la personnalisation est un enjeu et des changements générationnels dans la main-d’œuvre signifient que différents systèmes de valeur doivent être pris en compte.
L’occasion de bâtir des systèmes et des expériences conformes aux attentes ne se limite pas au service des parties prenantes. L’évolution des services partagés des ressources humaines (RH), des flux de travail axés sur l’IA et des accès direct aux services aux employés signifie que nous créons des capacités pour un travail ciblé et stratégique, pour l’empathie et pour des interactions plus relationnelles.
La mise à niveau des données et des connaissances peut également réduire les risques pour l’entreprise et les personnes en s’assurant que le contenu, les perspectives et les décisions générés, en particulier par l’IA, sont fondés sur des informations exactes, actuelles et pertinentes sur le plan contextuel. Sans elle, vous risquez la désinformation, la confiance érodée et les actions qui amplifient les préjugés, les inégalités ou les risques juridiques.
La plupart des cadres conviennent que leur meilleur avantage concurrentiel et stratégique réside dans la façon dont ils maximisent et optimisent leurs actifs les plus précieux : leurs employés. Par exemple, de nombreux employés ont une connaissance institutionnelle de l’entreprise.
Selon le rapport de Bloomfire sur la valeur de l’intelligence d’entreprise 2025, les connaissances mal gérées, redondantes ou anodines, conflictuelles ou désuètes* coûtent en moyenne 25 % des revenus annuels d’une entreprise. Traiter les connaissances comme étant évolutives et générant des revenus mène à une augmentation de 47 %* de la réussite dans l’atteinte des objectifs et des résultats clés, ainsi qu’à une amélioration de 39 %* de la vitesse et de l’efficacité des équipes et à une augmentation de 23 %* de la productivité mesurée par les revenus par employé.
Alors oui, la mise à niveau est payante.
La transformation sans mise à niveau des données est un théâtre de performance
Mercer soutient des milliers d’initiatives technologiques et de transformation. Nous savons donc qu’on commencent rarement avec les matières premières dont nous avons réellement besoin pour réussir. Il est facile de considérer le changement comme au niveau de la conception, la technologie, les échéanciers, les communications et la formation. Mais la vraie base est constituée des données et des connaissances; de la façon dont elles sont recueillies, régies, utilisées et si elles sont adaptées à l’objectif.
Et en ce moment, cet objectif évolue plus rapidement que jamais.
Nous pensons à la façon dont le travail est effectué. Ce que signifie être productif. Comment les humains et les machines co-créent. Nous passons de hiérarchies rigides à des écosystèmes de compétences dynamiques. Des flux de travail manuels aux flux de valeur automatisés et augmentés par l’IA. Des expériences génériques aux expériences personnalisées et significatives.
Rien de tout cela ne se produit sans des données propres, connectées et continuellement actualisées.
La mise en forme n’est pas une activité unique, c’est-à-dire un seul entraînement. C’est un changement de mode de vie, un ensemble d’habitudes que vous adoptez pour rester en bonne santé et prêt pour l’avenir. Vous pouvez commencer par en apprendre davantage sur votre corps, votre nutrition, différents exercices et styles d’entraînement, mais à un moment donné, vous devez simplement vous lancer. Commencez à faire de l’exercice dans des limites raisonnables pour éviter de déchirer accidentellement un muscle ou de vous surmener.
Ensuite, vous pouvez modifier votre routine, choisir les bons exercices et le nombre de répétition pour atteindre vos objectifs, ou modifier votre régime alimentaire, consommer plus ou moins de calories et augmenter ou diminuer vos macros en fonction de ce qui sera le plus sain et le plus efficace en fonction de vos objectifs. Vous pouvez optimiser tout cela au fur et à mesure que vos objectifs changent, et ils changeront au fur et à mesure que vous avancez.
C’est un parallèle intéressant parce que dans la forme physique, l’exercice est la partie palpitante, la partie qui vous donne l’adrénaline ou la dopamine élevée et vous fait vous sentir bien. D’autre part, l’alimentation est la partie avec laquelle beaucoup de gens ont de la difficulté : compter les calories peut être problématique, ajuster les macros nécéssitent beaucoup de travail, et tout cela tout en mangeant des aliments qui ont bon goût peut sembler difficile. Mais l’alimentation représente 80 % (ou plus) de l’équation avec la forme physique. Ce que vous mettez dans votre corps est absolument essentiel pour alimenter ce que vous voulez en tirer.
Lorsque vous vous préparez à déployer une nouvelle technologie ou à utiliser l’IA, la configuration de tableaux de bord et de flux de travail, la création de transformateurs génératifs préformés personnalisés et de robots ressemblent beaucoup à de l’exercice. Vous devez y arriver, mais c’est la partie qui est palpitante et passionnante, comme atteindre un nouveau record personnel. Les données, structurées et non structurées, sur lesquelles vous analysez et formez les modèles ressemblent beaucoup plus à la nutrition.
Si vous ne comptez pas vos calories et ne surveillez pas vos macros, comme avoir les bons champs et les données valides dans votre organisation et vos données personnelles, et vous assurer que votre contenu de connaissances est à jour, exact et utile, vous n’allez pas atteindre cet record, et vous pourriez même vous blesser en essayant.
Mauvaises données = Grand risque
Voici la chose : Lorsque les données sont une réflexion après coup, tout ce qui en découle en souffre. Les modèles d’IA hallucinent. L’automatisation déclenche les mauvais flux de travail. Les décisions en matière de rémunération manquent la marque de critères d'équité. Les stratégies de talents s’effondrent sous de fausses hypothèses, et les employés se désengagent parce que leur expérience vécue ne correspond pas aux promesses faites.
Il ne s’agit pas seulement de l’efficacité, mais plutôt de la confiance, de l’éthique et de l’atténuation des risques. Une main-d’œuvre qui ne croit pas que le système les « voit » avec précision ne s'engagera jamais. Un système qui fonctionne sur des données obsolètes, inexactes ou biaisées ne sera jamais juste. Et une entreprise qui ne peut pas faire confiance à ses connaissances n’avancera jamais assez rapidement pour être concurrentielle.
Déchets à l’entrée, déchets à la sortie
-
Les données et les connaissances médiocres des RH mènent à :
- Comparer les expériences des utilisateurs avec l’intranet ou le portail des RH
- Frustrations avec des renseignements inexacts ou non pertinents
- Volume élevé de demandes courantes et de cas de niveau 0
- Prestation de services incohérente et inefficace
- Capacité limitée de produire des rapports, d’analyser, de cibler et de personnaliser
-
Les données et les connaissances sont à la base du succès numérique
L’automatisation de toutes sortes, y compris l’IA agentique, est alimentée par votre architecture de données et votre intégrité, des données structurées. IA générative est propulsé par le contenu des connaissances — des données non structurées. Sans les deux, il existe des risques importants dans le déploiement de la technologie des RH ou de la main-d’œuvre et de l’IA. Cela crée des limites sur les capacités, le potentiel de renseignements trompeurs ou inexacts et une mauvaise adoption.
Cette base est essentielle pour les déploiements numériques. Une architecture de données prête pour l’avenir avec les bonnes structures et les bons attributs sous-tend des expériences utiles avec un accès direct à l’information et aux services.
Traiter le contenu comme un jardin, récolter pour obtenir des résultats
Ce n’est pas une question d’hygiène juste pour la forme. Il s’agit de concevoir et de maintenir des systèmes de données qui peuvent suivre la vitesse et la complexité du travail moderne.
Alors, comment intégrer de vraies données et connaissances à votre programme de transformation?
La gouvernance doit être intégrée à votre modèle opérationnel, et non pas intégrée comme un effort de remédiation. Pensez aux données comme un produit : toujours disponible, toujours en évolution, toujours aligné sur la façon dont l’entreprise fonctionne réellement.
- Qui est propriétaire des données?
- Qui l’entretient?
- Qui prend des décisions en fonction de cela, et comment savent-ils que cela est toujours valide?
Les entreprises ont tendance être obséder par les données structurées, comme les codes d’emploi, les tranches salariales et les cadres de compétences, parce qu’elles sont plus faciles à contrôler. Mais les idées les plus précieuses d’aujourd’hui vivent souvent au milieu désordonné :
- Commentaires sur le rendement
- Résumés de projets
- Politiques, programmes et procédures
- Signaux de collaboration
- Langage naturel du clavardage, du courriel et des sondages
- Indices audio, vidéo et de sentiment
La main-d’œuvre génère des signaux chaque jour. Si vous ignorez les données non structurées, vous ne voyez qu’une partie de l’image.
Conseil pratique :
-
Utiliser des outils basés sur l’IA/l’apprentissage automatique pour analyser le contenu non structuré pour les compétences, l’engagement et les besoins émergents.
-
Associez-le à des systèmes structurés d’enregistrement pour l’alignement et la traçabilité.
-
Construisez des connecteurs — ne forcez pas tout dans un seul système. La flexibilité fait partie de la forme physique.
Le conditionnement physique n’est pas une question de grande désintoxication. Il s’agit de répétitions quotidiennes. Traitez vos données de la même façon.
- Intégrez la validation dans les flux de travail (pas seulement les vérifications après coup).
- Faciliter la mise à jour de leurs propres renseignements, en particulier les compétences, les préférences et les objectifs.
- Utilisez des boucles de rétroaction pour améliorer (et corriger) continuellement les données sur lesquelles vous comptez.
Considérez cela comme des « données en mouvement » au lieu de « les définir et les oublier ». Données en direct, en harmonie avec la façon dont les gens travaillent et évoluent.
Les données ne sont pas précieuses parce qu’elles sont exactes. Les connaissances ne sont pas précieuses, car elles sont à jour. Elles sont précieuces parce qu’elles génèrent de meilleurs résultats.
- Qu’est-ce que les données sur les compétences propres déverrouillent? Mobilité plus intelligente et bassins de talents internes.
- Qu’est-ce que les données de rémunération exactes permettent? Analyse de l’équité et transparence salariale responsable.
- Que se passe-t-il lorsque les boucles de rétroaction sont opportunes et réelles? La confiance s’accumule, les résultats de l’IA s’améliorent et l’expérience des employés devient plus nette.
Sans un lien clair avec la valeur, personne ne priorisera la gestion des données et des connaissances. Rendre l’impact visible et reproductible.
Vous pouvez investir dans les meilleurs outils sur le marché – cartographie automatisée, ontologies des compétences, analyses en temps réel – mais si vos employés ne se soucient pas de la qualité des données, vous avez manqué le point.
Le conditionnement physique est un mode de vie. Intégrez les habitudes dans le flux de travail :
- Récompenser la contribution et l’exactitude.
- Concevoir des interfaces qui rendent la mise à jour des données facile, intuitive et même agréable.
- Développez une compréhension commune des raisons pour lesquelles de bonnes données et connaissances mènent à de meilleures décisions, à des résultats plus justes et à des progrès plus rapides.
La mise en forme des données et des connaissances n’est pas une simplement une tâche d’hygiène, c’est un outil de transformation.
Chef mondial, transformation numérique des RH et conseil technologique, Mercer
Stratégie mondiale de transformation des RH et conception de l’expérience des employés