Analytique RH pour la prédiction du turnover : les signaux qui fonctionnent

La plupart des démissions « surprises » ne surprennent que ceux qui n'avaient pas relié les indices entre eux

Votre cheffe de projet vedette démissionne, et son manager jure que personne ne l'avait vu venir.

Pourtant, ces six derniers mois, elle a vu un poste ouvert en interne lui passer sous le nez au profit d'un recrutement externe. Elle a aussi cessé de se porter volontaire pour les projets transverses, et elle a évoqué deux fois la question d'une promotion.

Chaque fois, son manager a défendu son dossier en calibration, et chaque fois, ça a coincé.

Rien de tout cela ne prouve qu'elle passait des entretiens ailleurs, et il serait injuste de le lire ainsi.

Mais mis bout à bout, ces éléments dessinent un tableau qui aurait dû déboucher sur une vraie conversation, des mois avant l'arrivée de la lettre de démission.

Toutes ces données, votre organisation les possède presque certainement : l'issue de sa candidature interne, le résultat de la calibration, le recul de sa participation aux projets transverses, la demande de promotion restée lettre morte.

Le problème, c'est qu'elles dorment dans des systèmes différents, dépendent de services différents et sont examinées à des rythmes différents. Difficile, dans ces conditions, de les mettre côte à côte.

Les signaux les plus utiles sont ceux qui montrent qu'une personne ou une équipe s'écarte de sa propre référence habituelle, à condition de les lire dans le bon contexte. Les moyennes de l'entreprise et les listes génériques de « facteurs de risque », elles, gomment justement ces nuances.

Dans ce guide, nous verrons quels leviers d'engagement sont vraiment utiles et lesquels le sont moins, quels pièges guettent ceux qui construisent des modèles prédictifs à partir de ces signaux, et comment passer à l'action sans empiéter sur la vie privée des collaborateurs.

Les entretiens de départ arrivent bien trop tard

Quand l'entretien de départ a lieu, la décision du collaborateur est prise depuis longtemps. Et comme il compte sur une bonne référence et ne veut se fermer aucune porte, il ne sera pas forcément tout à fait franc.

Il peut par exemple habiller ses vraies raisons en expliquant qu'« une belle opportunité s'est présentée », alors qu'en réalité, il ne supportait plus son manager.

D'après Gallup, remplacer un collaborateur coûte généralement à une organisation entre la moitié et le double de son salaire annuel environ.

Pourquoi une fourchette aussi large ? Parce que de nombreux facteurs entrent en jeu : le temps qu'il faut à une nouvelle recrue pour être pleinement opérationnelle, la rareté des profils sur le marché, ou encore le salaire à proposer pour attirer un candidat externe.

Les organisations ont donc intérêt à estimer ce coût par famille de métiers plutôt que de se fier à un chiffre unique pour toute l'entreprise, en tenant compte du temps nécessaire à un remplaçant pour devenir productif sur ce type de poste.

N'oubliez pas non plus qu'un recrutement externe oblige souvent à payer une prime pour s'aligner sur le marché, et que la montée en compétences prend plus de temps que si le poste avait été pourvu en interne.

À cela s'ajoutent des coûts ponctuels, souvent oubliés dans le calcul du coût de remplacement. Le départ d'un collaborateur clé peut par exemple fragiliser la relation avec un client dont il était l'interlocuteur principal.

Et les départs ne sont pas toujours isolés. On a tendance à suivre vers la sortie un manager qu'on respecte, ou à partir peu après le collègue qui nous a recrutés.

Autrement dit, le calendrier des départs compte.

Trois collaborateurs qui quittent la même équipe en huit semaines, ce n'est pas la même chose que trois départs étalés sur un an, même si les deux pèsent autant dans le taux de turnover annuel.

Un taux de turnover glissant sur 12 mois risque de lisser les zones de tension, ce qui le rend moins utile pour repérer les problèmes.

Suivez plutôt, mois par mois, où ont lieu les départs, par équipe et par tranche d'ancienneté, et regardez s'il y a des pics par rapport à l'historique de chaque catégorie.

Au lieu de vous demander « Est-ce qu'on suit correctement nos données de turnover ? », demandez-vous plutôt : « Y avait-il, 3 à 6 mois plus tôt, des signes qui auraient dû nous pousser à engager la conversation plus tôt ? »

C'est là le vrai rôle d'un outil de prédiction du turnover : repérer les situations et les groupes « à risque » pour aider managers et dirigeants à concentrer leur attention et leurs efforts là où il le faut.

L'horizon de prédiction de votre modèle doit donc être calé sur votre capacité d'action.

S'il vous faut un cycle de rémunération complet pour corriger un problème de salaire, ou plusieurs mois pour organiser une mobilité interne, un modèle qui repère les personnes les plus susceptibles de partir dans les 30 jours ne vous servira à rien.

Partez des données dont vous disposez déjà

Pas forcément besoin de nouvelles données : ce qu'il vous faut, c'est savoir lesquelles de vos sources actuelles reflètent fidèlement ce qui s'est passé.

Pourquoi ? Parce que les pires problèmes de qualité surviennent souvent quand les organisations écrasent leur historique.

Vos équipes RH collectent par exemple des données dans des champs « à date d'effet », comme :
 - Niveau
 - Manager
 - Site
 - Code/intitulé de poste
 - Compa-ratio

Ces champs comptent, bien sûr, mais la vraie question est ailleurs : pouvez-vous retrouver leur valeur à une date précise dans le passé, ou seulement leur valeur actuelle ?

Idéalement, votre SIRH garde en mémoire la valeur de chaque champ à chaque date.

Sinon, il faudra peut-être vous rabattre sur les journaux d'audit ou sur des extractions faites à intervalles réguliers pour reconstituer des données exploitables pour la modélisation.

C'est particulièrement vrai en période de restructuration, que ce soit à l'échelle de l'entreprise ou d'un service.

Une réorganisation peut par exemple changer du jour au lendemain l'identifiant du manager de centaines de personnes.

Si vous n'en tenez pas compte, votre variable « changement de manager » va d'un coup se remplir de bruit, dû à des changements organisationnels ponctuels.

Il est essentiel de bien comprendre et de bien définir vos variables avant de fusionner vos sources.

En effet, les business units n'enregistrent pas toutes un même événement de la même façon.

L'une considérera tout changement de niveau comme une promotion.

Une autre suivra séparément le changement d'intitulé et le changement de salaire, même s'ils vont souvent de pair.

Une troisième, elle, distinguera une mobilité interne d'une réembauche.

Même chose pour les motifs de départ.

Chaque business unit peut avoir sa propre définition du turnover volontaire et involontaire, et les changements d'organisation compliquent encore les choses.

Pourquoi est-ce important ?

Parce que la variable que vous cherchez à prédire, qu'il s'agisse du « turnover volontaire » ou du « turnover regrettable », repose sur ces données.

En outre, l'étiquette « regrettable » peut introduire un biais : les managers ont tendance à l'attribuer après coup, et de manière incohérente, selon que la relation avec le collaborateur s'est bien ou mal terminée.

Et les départs à la retraite, les CDD non renouvelés ou les mobilités internes : faut-il les compter dans le turnover ?

En général, la plupart des organisations considèrent les mobilités internes comme une réussite en matière de rétention. Les intégrer au turnover reviendrait à pénaliser les managers qui parviennent à faire circuler les talents dans le reste de l'entreprise.

Vous devrez peut-être aussi segmenter vos références.

Le taux de turnover « normal » d'un expert qui a 3 ans d'ancienneté est-il très différent de celui d'un jeune diplômé en poste depuis six mois ? Et dans quelle mesure ces deux références s'écartent-elles de la moyenne de l'entreprise ?

Si vous êtes prêt à mettre les mains dans vos données, tant mieux !

Nous vous conseillons de commencer par une population précise, qui compte assez de départs regrettables dans son historique pour justifier un projet de modélisation.

Attachez-vous ensuite à reconstituer l'état des données à des moments précis avant chacun de ces départs.

Combien de départs faut-il pour mener à bien un projet de modélisation prédictive ?

En régression classique, une règle empirique courante veut qu'il faille une dizaine d'événements par variable intégrée au modèle.

Autrement dit, si vous travaillez sur une famille de métiers qui a connu 40 départs regrettables en 3 ans, vos données peuvent supporter environ 4 variables prédictives (et non la cinquantaine de champs épars qui traînent peut-être dans votre SIRH). Choisissez-les donc avec soin.

Si votre jeu de données n'atteint pas ce seuil, mieux vaut vous en tenir à des analyses descriptives et à des comparaisons de cohortes.

Enfin, si votre modèle ne donne tout simplement rien une fois en production, pensez à une éventuelle fuite de données.

Les champs le plus souvent en cause ? Ceux remplis pendant le processus de départ, les codes de motif de départ, mais aussi les dernières évaluations de performance ou les données d'enquête arrivées dans le système après la démission.

Si vous comptez intégrer des données d'enquête, une règle d'or :

Ne croisez jamais les résultats anonymes de vos enquêtes avec vos données RH nominatives à un niveau de détail pour lequel vous n'avez pas le droit de produire des rapports, celui de l'équipe par exemple.

La raison est simple : imaginons que vous ayez accès à l'entité mère et à toutes ses sous-équipes, sauf une.

Une simple soustraction vous suffit alors pour déduire les résultats anonymes de la sous-équipe à laquelle vous n'avez pas accès.

Traitez les changements de comportement comme des questions, pas comme des preuves

Une baisse d'engagement mérite qu'on s'y arrête.

Mais elle peut tout aussi bien traduire la fin d'un projet épuisant, un proche dont il faut désormais s'occuper, ou un manager qui ne confie plus de missions stimulantes.

C'est pourquoi il est plus parlant de comparer l'engagement d'une personne à son propre historique qu'à une mesure absolue : ce qui serait un signal d'alarme chez un collaborateur peut n'être qu'un trimestre comme un autre chez un autre.

Les signaux les plus forts apparaissent aussi après des décisions de gestion des talents qui ont tourné en défaveur de la personne.

Être écarté d'un poste interne, par exemple, est déstabilisant, surtout quand le poste revient à un candidat externe.

Il y a aussi le fait d'être recalé en calibration, ou d'attendre en vain le plan de développement promis.

Cela rejoint le « modèle de déroulement » du turnover volontaire élaboré par Thomas Lee et Terence Mitchell. D'après leurs travaux, beaucoup de collaborateurs partent à la suite d'un événement déstabilisant précis (un « choc »), bien plus que sous l'effet d'une insatisfaction accumulée lentement.

Concrètement, qu'est-ce que ça change pour votre organisation ?

Eh bien, une bonne partie de ces chocs laissent des traces dans vos systèmes, puisqu'ils découlent de décisions prises par l'organisation elle-même.

C'est donc une bonne raison pour qu'un manager prenne des nouvelles de la personne, pas pour lui coller l'étiquette « à risque de départ ».

Autre point important : ces signaux perdent de leur force avec le temps.

Si quelqu'un postule en interne et essuie un refus, mieux vaut aller prendre de ses nouvelles dans les semaines, voire les mois qui suivent. Passé ce délai, en revanche, la valeur prédictive de l'événement s'estompe, surtout si la personne a changé de poste ou a été promue entre-temps.

Quant aux analyses de collaboration, mieux vaut rester sceptique.

Le nombre de réunions ou le volume de messages sont des indicateurs très bruités, qui n'ont qu'un lien ténu avec l'engagement. Et ils pénalisent systématiquement ceux que vous avez justement recrutés pour un travail de fond, qui demande de la concentration.

De même, si le rôle d'un collaborateur a beaucoup évolué, il est normal que son score de centralité dans le réseau baisse. En soi, cela n'indique aucune intention de partir.

Certains signaux parfois proposés ne conviennent tout simplement pas aux modèles individuels.

Prenez les jours de congé isolés : on en pose pour un rendez-vous médical, pour garder les enfants et pour une douzaine d'autres raisons.

Et éplucher les agendas à l'affût de signes de recherche d'emploi, c'est porter atteinte à la vie privée. Si les collaborateurs l'apprennent, les dégâts sur la confiance et sur votre marque employeur pourraient bien dépasser l'utilité de votre modèle.

Même chose pour les activités facultatives ou les réseaux internes de collaborateurs : on y adhère pour toutes sortes de raisons, et s'ils sont facultatifs, ce n'est pas pour rien.

Que peuvent légitimement faire remonter les managers aux RH, alors ? Les changements liés au travail, évidemment.

Le collaborateur a-t-il arrêté de demander du feedback ? A-t-il postulé au poste qu'il disait viser un jour ? A-t-il expliqué, deux points de suivi d'affilée, qu'il ne voyait pas quelle serait la suite pour lui ?

Bien sûr, les managers doivent aussi resituer ces changements dans leur contexte. Le collaborateur a-t-il changé de manager récemment ? Deux de ses entretiens de carrière ont-ils été annulés coup sur coup ?

A-t-il été sous l'eau pendant une longue période ?

Lisez les tendances de vos enquêtes, même sans savoir qui a répondu

Dans une petite équipe, surtout si elle atteint tout juste le seuil d'anonymat, un mauvais résultat à une enquête pulse n'est peut-être qu'une variation sans importance.

Avant d'agir, attendez qu'un changement se confirme sur une ou deux enquêtes pulse, ou qu'il fasse sortir votre équipe de sa fourchette habituelle.

Si c'est le cas, remontez du score d'engagement jusqu'aux différents items de l'enquête.

Les items portant sur l'évolution professionnelle, le soutien du manager et l'intention de rester peuvent bouger avant même le score d'engagement global.

Il est aussi judicieux de regarder au-delà des moyennes.

Imaginons que le score moyen d'engagement de votre équipe reste stable, mais que l'écart-type s'envole. Votre équipe s'est peut-être scindée en deux : d'un côté les satisfaits, de l'autre les mécontents (et susceptibles de partir).

L'eNPS mérite d'être suivi en parallèle du score d'engagement, mais il masque plus de choses qu'il n'en révèle : on peut très bien adorer son poste sans pour autant se voir rester longtemps dans l'entreprise.

Si vous voulez utiliser certains items comme indicateurs d'alerte précoce, validez-les d'abord au regard de l'historique de votre entreprise.

Comparez les scores de chaque item avec le turnover regrettable observé dans les six mois qui suivent. Un item qui ne colle pas au turnover réel de votre organisation n'a pas à être priorisé d'office, simplement parce que le référentiel d'un éditeur le recommande.

Surveillez aussi vos taux de participation.

Supposons qu'une équipe voie sa participation baisser pendant plusieurs mois, alors que celle des autres reste stable. Ses membres ne croient peut-être plus que leur avis fera bouger les choses, ce qui est déjà un signal d'alarme en soi.

Exit, Voice, and Loyalty, d'Albert O. Hirschman, apporte ici un éclairage utile. D'après Hirschman, les membres insatisfaits d'une organisation ont deux options : prendre la parole ou partir. Dès lors qu'ils ne croient plus que leur parole compte, ils sont donc plus enclins à s'en aller.

Autrement dit, une chute brutale de la participation dans une équipe donnée peut indiquer que ses membres regardent ailleurs.

Cela dit, une baisse peut aussi tenir au calendrier (une enquête pulse envoyée en pleine clôture trimestrielle, par exemple). Jetez un œil à votre agenda avant de tirer des conclusions.

Et ne relancez jamais individuellement les non-répondants d'une enquête anonyme.

Accordez une attention toute particulière aux items sur l'évolution. Les collaborateurs expriment généralement leurs inquiétudes sur leur développement de carrière bien avant de montrer une envie de partir.

D'ailleurs, les recherches de Gallup montrent que peu de collaborateurs sont tout à fait d'accord avec l'idée que quelqu'un, au travail, encourage leur développement. Voyez cet item comme un signal d'alerte précoce : vos équipes ont besoin de plus de soutien.

Servez-vous des réponses ouvertes pour remettre vos chiffres en contexte.

Si plusieurs équipes évoquent, chacune de leur côté, des recrues externes qui raflent les promotions ou des décisions de calibration jamais expliquées, le problème vient probablement de vos processus de gestion des talents.

Il va sans dire que l'analyse de texte ne doit jamais servir à identifier qui a écrit quoi, ni à calculer un score de « probabilité de départ ».

Regardez le parcours de carrière et de rémunération derrière le score

On quitte souvent un poste qu'on aime parce qu'on n'y voit plus d'avenir.

Mais que conclure quand quelqu'un n'a pas été promu depuis un bon moment ?

Est-ce inquiétant chez un collaborateur en début de carrière ? Et chez un expert chevronné qui plafonne au même niveau depuis trois ans ?

Tout dépend. Cherchez les décalages : la personne assume-t-elle depuis longtemps un travail de niveau supérieur sans avoir changé de niveau ?

Postule-t-elle à d'autres postes en interne ? A-t-elle eu récemment avec son manager un entretien de carrière qui n'a débouché sur rien ?

Les signaux liés à la rémunération méritent aussi d'être creusés.

Vos recrues externes arrivent-elles sur des postes similaires avec un meilleur salaire ? Chez les collaborateurs expérimentés, cette inversion salariale peut nourrir du ressentiment.

Les responsabilités de quelqu'un ont-elles fortement augmenté entre deux campagnes de rémunération sans que son salaire suive ?

Une vaste enquête menée auprès de personnes ayant quitté leur emploi a montré qu'environ six sur dix citaient une rémunération trop faible, et à peu près autant le manque de perspectives d'évolution (plusieurs réponses étaient possibles).

Si un collaborateur affirme partir « juste pour l'argent », demandez-vous si un problème plus large d'évolution de carrière ne se cache pas derrière.

L'offre reçue n'a peut-être été que le déclencheur d'un malaise de carrière bien plus profond.

Que faire, alors ?

Une contre-offre règle la question du salaire, pas celle de la carrière. C'est d'ailleurs l'une des raisons pour lesquelles les contre-offres ne font bien souvent que repousser le départ.

Intégrez aussi l'historique des managers à votre analyse.

D'après les recherches de Gallup, les managers expliquent 70 % de la variance de l'engagement des collaborateurs d'une équipe à l'autre.

Le collaborateur a-t-il changé plusieurs fois de manager en peu de temps ?

Autrement dit, en est-il à son troisième manager en 18 mois ? Chaque fois, il perd la personne qui défendait ses intérêts. Et il y a fort à parier que personne, en calibration, ne connaît assez bien son travail pour plaider sa cause.

Soyez attentif à ce qui se passe après le départ d'un collègue proche ou d'un manager.

Les recherches montrent que le turnover a des répercussions sur ceux qui restent : c'est une période critique pour les départs en cascade.

Allez voir ceux qui restent pour comprendre ce qui a changé dans leur travail et dans leurs perspectives à long terme.

Enfin, évitez de définir des « zones de danger » génériques pour les départs (90 jours, 1 an...).

Tracez plutôt votre propre courbe de risque en fonction de l'ancienneté de vos effectifs, par poste et par site, en intégrant les échéances prévues dans les contrats.

Vous constaterez peut-être que le risque s'envole au moment où l'entreprise ne peut plus récupérer une prime d'arrivée, à une date d'acquisition d'actions ou encore à la fin d'une prime de fidélisation.

Construisez un modèle que l'on peut contester

Un modèle simple et bien pensé est généralement plus utile qu'une boîte noire complexe que vous seriez incapable d'expliquer à votre HRBP.

La régression logistique permet d'estimer la probabilité qu'un collaborateur parte dans un délai donné, par exemple dans les six prochains mois.

L'analyse de survie, elle, s'intéresse au temps écoulé avant le départ, et tient compte des collaborateurs encore en poste au moment où votre collecte de données s'est arrêtée.

Elle permet aussi de modéliser des covariables dépendantes du temps, c'est-à-dire des variables qui évoluent, comme un écart de salaire apparu alors que le collaborateur était déjà dans l'entreprise depuis un moment. Pour la plupart des questions RH, c'est souvent bien plus réaliste que d'autres modèles.

Les modèles de machine learning, comme le gradient boosting ou les forêts aléatoires, peuvent par ailleurs capter des interactions qui échapperaient à un modèle linéaire. L'effet de la stagnation dans un poste sur le turnover pourrait par exemple ne devenir significatif qu'en présence d'un écart de salaire.

Comparez ces gains potentiels aux résultats des modèles simples pour mesurer ce qu'ils apportent vraiment en performance prédictive, surtout une fois vos vérifications de fuite de données faites.

Attention au déséquilibre des classes, qui peut plomber votre projet.

Comme la plupart des gens restent dans l'entreprise sur une période donnée, un modèle qui prédit que tout le monde « reste » affichera une exactitude trompeusement élevée, sans détecter le moindre départ.

Et même un modèle utile générera beaucoup de faux positifs, puisque le taux de base du turnover est faible (d'où une « précision » faible).

Veillez à présenter, et à bien comprendre, des mesures comme la précision et le rappel. Vérifiez aussi que votre modèle est bien calibré : un score de risque de 30 % doit correspondre réellement à environ 30 % de chances de départ.

Pensez également à ce que les résultats impliquent en termes de charge de travail pour les utilisateurs. Combien de personnes un manager devra-t-il rencontrer pour en trouver une qu'il a réellement des chances de retenir ?

Ne vous contentez pas d'un seuil arbitraire comme 0,5 : fixez-le en fonction de vos capacités.

Si vos HRBP ne peuvent raisonnablement suivre que 20 cas par trimestre dans une business unit donnée, choisissez un seuil qui fait remonter les 20 premiers, puis regardez combien de départs regrettables figurent dans ce groupe. Sinon, ils finiront tout simplement par ignorer l'outil.

Validez votre modèle sur une période postérieure à vos données d'entraînement : un découpage aléatoire flatte le modèle, en plus d'être irréaliste.

Des outils comme les valeurs SHAP aident les utilisateurs à comprendre pourquoi certaines variables ont fait monter ou baisser le score de risque prédit. Mais gardez-vous d'y voir une explication de ce qui a causé le turnover.

Le modèle peut par exemple accorder beaucoup de poids à un écart de salaire sans que vous sachiez pour autant si une augmentation aurait fait changer la personne d'avis.

Réentraînez votre modèle après tout changement majeur dans l'organisation (réorganisation, refonte de la politique de rémunération, vague de recrutements massive...), car ces changements peuvent rendre vos variables caduques.

Prévoyez un moyen pour que les HRBP puissent contester ou examiner les résultats. Si le modèle signale soudain 80 % des collaborateurs d'un même site après un changement de politique, c'est peut-être la politique qu'il faut examiner, plutôt que de passer tous ces collaborateurs au crible.

Les praticiens sont loin d'être d'accord sur l'opportunité de communiquer les scores de risque individuels aux managers de proximité.

Certains préfèrent les garder au sein des RH et ne partager avec les managers qu'une vue d'ensemble de l'équipe.

Ne laissez pas la prédiction virer à la surveillance

Avant de mettre en place le moindre score de risque, indiquez clairement aux collaborateurs quelles données serviront à l'analyse des effectifs, et lesquelles ne serviront pas.

La confiance est difficile à gagner, et encore plus difficile à regagner si vos collaborateurs découvrent que vous les analysez dans leur dos.

Appliquez le principe de minimisation des données.

Ce n'est pas parce que vous avez accès à des métadonnées de collaboration (le nombre de messages envoyés en dehors des heures de travail, par exemple) qu'il est équitable de les intégrer à un score de risque individuel.

Évitez d'ajouter à un profil de risque individuel des données comme les habitudes de congés, l'appartenance à des groupes WhatsApp privés ou les réponses aux enquêtes anonymes.

Documentez qui a accès à l'analyse, combien de temps elle sera conservée et à quelles décisions elle servira, ou ne servira pas.

Associez tôt vos équipes chargées de la protection des données et du juridique et, le cas échéant, les représentants du personnel, pour qu'ils puissent peser sur la démarche tant qu'il est encore temps de la modifier.

Dans certains pays européens, cela peut impliquer une consultation du comité d'entreprise et une analyse d'impact relative à la protection des données.

Les règles encadrant le profilage varient d'un pays à l'autre. Concevoir un système mondial peut être tentant, mais vérifiez qu'il respecte les exigences de chaque pays avant de le déployer à l'international.

Vérifiez l'absence de biais entre les différents groupes de collaborateurs.

Les données historiques de turnover peuvent reproduire les biais des décisions passées en matière de rémunération et de promotion. Retirer les caractéristiques protégées de vos jeux de données ne suffit pas forcément, car des variables indirectes peuvent réintroduire le même biais (temps partiel, site, interruption de carrière pour raisons familiales, etc.).

Méfiez-vous des prophéties autoréalisatrices.

Si votre système signale un collaborateur et que votre organisation, persuadée qu'il va bientôt partir, commence discrètement à le priver d'opportunités (des missions intéressantes, par exemple), vous avez fabriqué de toutes pièces une prophétie autoréalisatrice.

Cathy O'Neil aborde ce problème dans Weapons of Math Destruction : les systèmes de notation opaques créent des boucles de feedback où le résultat du modèle influence l'issue même sur laquelle on le juge. Si votre modèle pousse les gens vers la sortie (comme il l'avait prédit), il n'en paraît que plus fiable !

Pour éviter cet écueil, les entreprises doivent faire en sorte qu'un signal de risque de départ ne déclenche qu'une proposition d'accompagnement (entretien de carrière, révision salariale, accès aux postes internes...) et qu'il n'entre jamais en ligne de compte dans les décisions d'affectation, de succession ou de promotion.

Votre objectif, c'est d'aider les collaborateurs, pas de restreindre leurs perspectives sur la foi d'une prédiction.

Pour analyser le turnover, le signal le plus utile qu'une enquête puisse fournir, c'est un changement qui se confirme sur plusieurs enquêtes pulse.

Comme Sparkbay envoie des enquêtes pulse à intervalles réguliers, vous verrez en quelques semaines, et non en quelques mois, comment évolue le regard de votre équipe sur son avenir dans l'entreprise.

Vous pourrez paramétrer l'enquête (y compris la formulation des questions) pour y inclure des items sur l'évolution, le manager et l'intention de rester.

Votre indicateur principal, c'est votre score d'engagement sur 10.

Vous pourrez suivre son évolution dans le temps et creuser pour comprendre quels items expliquent un changement. Ainsi, une simple baisse du score ne se transforme pas en verdict contre votre équipe.

Vous pourrez aussi comparer vos résultats d'un service à l'autre et d'une équipe à l'autre.

Si les scores d'évolution baissent dans un service en particulier alors que le reste de l'organisation reste stable, vous pourrez ouvrir la discussion avec votre équipe RH sur ce qui a changé (nouveau manager, cycle de promotions bloqué, réorganisation...).

Les textes et le contenu de nos tableaux de bord sont personnalisables : vous pouvez donc les adapter à la façon de travailler de vos HRBP.

Dans notre outil, les droits d'accès aux rapports suivent automatiquement votre organigramme : chaque manager et chaque directeur ne voit que les résultats de ses propres équipes.

Pour préserver l'anonymat, les résultats des équipes qui n'atteignent pas le nombre minimal de réponses (5 par défaut, un paramètre modifiable) sont automatiquement masqués.

Si vous souhaitez découvrir comment Sparkbay peut aider vos managers à bâtir une équipe plus engagée, vous pouvez cliquer ici pour une démo.

Faites d'un signal d'alerte le point de départ d'une meilleure conversation

Un score de risque ne doit jamais remplacer les échanges entre les managers et leurs collaborateurs.

Il doit plutôt aider les responsables RH à identifier où une conversation s'impose en priorité et, parfois, quels sujets aborder.

Commencez par ce qui est à votre portée.

Si vos scores d'évolution baissent, demandez aux managers à quand remonte leur dernier entretien de carrière avec chacun de leurs collaborateurs directs. Un vrai entretien, où l'on a identifié des postes précis, un calendrier et les compétences à acquérir.

Si vos scores liés à la rémunération reculent parce que vos salaires sont en retard sur des postes comparables ou sur ce que touchent les dernières recrues, engagez-vous à corriger le tir, ou au moins à présenter un plan, et arrêtez de demander aux gens de « tenir bon ».

Les entretiens de fidélisation donnent de meilleurs résultats quand ils portent sur le quotidien réel du collaborateur.

Demandez aux collaborateurs ce qu'ils aimeraient faire davantage, quelles tâches ils en ont assez de gérer et ce qui les pousserait à rappeler un recruteur.

Restez ouvert aux réponses inattendues : ce sont souvent les plus précieuses.

Évitez d'ouvrir un entretien de fidélisation en parlant d'un modèle ou d'indicateurs de risque.

Une phrase comme « D'après les données, vous pourriez partir » coupe court à toute conversation sincère et donne aux collaborateurs l'impression d'être notés. Les managers devraient plutôt mener ces entretiens de façon systématique avec tous les membres de leur équipe.

D'après une étude de Gallup, 42 % des personnes qui quittent volontairement leur emploi estiment que leur manager ou leur entreprise aurait pu faire quelque chose pour les retenir.

N'attendez pas l'entretien de départ pour mettre toutes les chances de votre côté.

Donnez à vos managers des listes d'actions courtes et concrètes.

Parfois, il s'agira d'une révision salariale ; d'autres fois, d'un parcours clair vers un poste précis ou d'un vrai rééquilibrage de la charge de travail.

Certaines solutions sont structurelles, comme revoir l'architecture des postes ou lever un gel des promotions. C'est aux RH de s'en charger, plutôt que de se défausser sur les managers de proximité.

Mesurez ensuite si vos efforts de rétention portent leurs fruits.

Suivez-vous les départs regrettables en parallèle des mobilités internes, des ajustements de salaire et des tendances de vos enquêtes, équipe par équipe ?

Dans la mesure du possible, déployez votre programme par étapes sur des populations comparables, afin de disposer d'un groupe témoin.

Vous éviterez ainsi d'attribuer tout le mérite à votre programme alors que la plupart des gens seraient restés de toute façon.

Vérifiez que les actions de suivi sont bel et bien mises en œuvre.

Si les collaborateurs signalés n'ont eu droit ni à un entretien, ni à une révision salariale, ni à une nouvelle opportunité dans le délai prévu, un taux de turnover inchangé ne veut pas dire que votre modèle de risque a échoué. Ça veut dire que c'est le suivi qui a échoué.

Inutile de lancer d'emblée un programme à l'échelle de toute l'entreprise.

Choisissez une population, assurez-vous que l'historique de ses données est correctement reconstitué et décidez à l'avance qui intervient, et dans quel délai, quand un signal se déclenche.

Si vous souhaitez découvrir comment Sparkbay peut aider vos managers à bâtir une équipe plus engagée, vous pouvez cliquer ici pour une démo.