Optimisation des avantages : l’IA et l’analytique en appui à la mobilisation et au rendement 

Le plus clair du temps se passe souvent à disséquer manuellement les données, à attendre les rapports des collaborateurs, à éplucher les tableaux de bord ou à extraire et analyser l’information.

Heureusement, les moteurs d’intelligence artificielle (IA) comme ChatGPT ou Len AI (le modèle de Marsh McLennan) permettent, grâce au langage naturel, de « faire parler » les données relatives aux avantages sociaux. Il n’est donc pas étonnant que 50 % des employeurs se servent déjà de l’IA à ces fins et que 48 % d’entre eux envisagent de le faire d’ici un à trois ans. L’analytique prédictive évoluée et la personnalisation sont à l’origine de cette tendance.^[1]

La diminution du fardeau administratif est appréciable. Entre autres, le service des ressources humaines peut plus facilement évaluer le taux d’adoption des avantages offerts ou repérer des problèmes d’utilisation susceptibles d’avoir des répercussions budgétaires. L’équipe RH peut ainsi se consacrer à des initiatives stratégiques visant par exemple à comprendre l’impact des avantages qui promeuvent la prévention sur le nombre de demandes de règlement.

L’analytique prédictive se prête particulièrement bien à l’utilisation de l’IA, notamment dans le domaine de la santé et du bien-être. Un exemple : si l’on peut prévoir combien de personnes risquent de tomber malades pendant l’année, les stratégies en matière d’avantages sociaux peuvent, dans un contexte de diminution permanente des ressources, être optimisées en fonction des paramètres budgétaires et de l’inflation des coûts médicaux. 

Cela impose de créer des scénarios et d’examiner les retombées probables des différentes stratégies envisageables. Supposons un grand nombre anticipé de demandes de règlement pour trouble musculosquelettique (TMS); combien de cas nécessiteront une longue réadaptation et quel serait l’impact d’avantages axés sur la prévention?

Il s’agit aussi de distinguer entre les enjeux de société et ceux de votre organisation. Chez Mercer Marsh Avantages Sociaux (MMAS), nous pouvons confronter vos données et les super-ensembles disponibles afin de vous aider à repérer ce qui, dans votre entreprise, est à contre-courant des tendances générales.

En creusant davantage, nous pouvons savoir quels cheminements cliniques ou fournisseurs de soins déterminent les meilleures retombées. L’entreprise peut ainsi orienter ses employés vers l’approche, l’hôpital, le régime public ou le programme d’avantages sociaux qui répondra le mieux à leurs besoins.

Les employés apprécient ce degré de personnalisation : plus des deux tiers disent qu’ils communiqueraient sans problèmes leurs renseignements personnels à un tiers de confiance si le but était de connaître les avantages sur mesure offerts ou d’obtenir des recommandations personnalisées.^[2]

Aucune stratégie ne donnera des résultats optimaux si les employés ne sont pas intéressés ou ignorent quelles options on leur offre. L’IA joue ici un rôle déterminant. Elle permet en effet de substituer à des communications trop générales des contenus attrayants, produits automatiquement et taillés sur mesure selon le profil démographique de l’employé.

Les plateformes des prestataires d’avantages sociaux comme Darwin utilisent désormais des assistants au clavardage fondés sur l’IA générative qui permettent de répondre à des questions telles que : « Ma femme peut-elle se prévaloir de mon assurance dentaire? ». Parce que la recherche d’informations et l’exécution des tâches sont ainsi facilitées, les employés gagnent du temps, entrent dans le jeu et sont davantage satisfaits des moyens qu’on met à leur disposition.

Par ailleurs, la personnalisation des services permet aux employés de découvrir des options dont ils ignoraient l’existence ou qu’ils n’avaient pas encore étudiées. Un tel qui cherche à faire davantage d’exercice et à améliorer sa forme peut ainsi être orienté vers des formules qui vont dans ce sens, avec à la clé inscription dans un gymnase et adhésion à un programme de mieux-être.

Pour inciter les employés à fournir les renseignements personnels pertinents, il est important de leur expliquer comment les données sont anonymisées ou dépersonnalisées.  Les renseignements fournis servent souvent à rendre plus pertinents les contenus présentés, ce qui amène davantage d’employés à adopter les programmes d’avantages offerts.

La qualité de l’information issue de l’analyse dépend de celle des données qui lui sont fournies.  Leur intégrité est tout aussi importante que les modes de gouvernance et les processus auxquels on recourt.   

A priori, l’élargissement des avantages offerts implique une administration plus lourde, mais l’IA permet d’assimiler plus efficacement les données, d’automatiser les tâches répétitives, de contrôler la conformité et de diminuer les erreurs humaines.

Supposons par exemple qu’un fonds soit en place aux fins de remboursement des employés qui adhèrent à des activités de mieux-être; l’IA permet de vérifier non seulement que le reçu n’a pas déjà été présenté dans le cadre d’une autre demande de règlement, mais aussi que le fournisseur de services existe réellement, que le service fourni est pris en charge et que l’employé n’a pas dépassé le montant donnant droit à remboursement.

L’IA permet également d’automatiser l’interruption de la rémunération, l’inscription des nouveaux venus et l’exécution d’autres processus liés aux avantages sociaux, ce qui réduit fortement les frais généraux. Un service RH bien occupé aura ainsi davantage le temps de mener les initiatives stratégiques requises.

La valeur d’un projet IA est fonction de celle de l’ensemble de données sur lequel il repose. Il est indispensable de mettre en place une infrastructure qui permettra de centraliser les données et de les lier entre elles. Parmi les employeurs qui se livrent à cet exercice, 88 % rapportent que cela les aide à s’adapter rapidement aux changements et 73 % disent être en voie d’atteindre leurs objectifs de mobilisation du personnel.^[3]

L’IA fait mieux apparaître l’intérêt des avantages sociaux et en simplifie l’administration par les employés comme par l’employeur, mais il en découle aussi une main-d’œuvre en meilleure santé et plus satisfaite. La moitié des employeurs s’en servent actuellement pour prévoir, d’après les tendances générales observées, les besoins futurs à combler en matière d’avantages sociaux, et 58 % d’entre eux font parvenir à leurs employés des recommandations ou des communications sur mesure d’après ce que l’IA leur apprend; un tiers pense en faire autant d’ici 2026. On observe donc une nette évolution vers une utilisation des données consacrée non plus seulement au suivi et aux prévisions, mais, de plus en plus, à la personnalisation et à l’amélioration du bien-être.^[4]