Comment les données de synthèse peuvent-elles favoriser l’équité dans les pratiques d’embauche?
Les algorithmes en milieu de travail sont d’usage de plus en plus courant. Ils répondent à toutes sortes de besoins, notamment l’attribution de tâches aux membres du personnel, l’embauche et le suivi du rendement, comme le souligne Doyle Clayton Solicitors dans son article . Cependant, le recrutement par algorithme, une pratique émergente, présente un inconvénient majeur : la discrimination fondamentale.
Voilà pourquoi la professeure Qianru Qi et le professeur Rafid Mahmood, cochercheur, ont reçu une subvention de développement Savoir du Conseil de recherches en sciences humaines du Canada pour le projet intitulé Levelling the Playing Field: Synthetic Data Solutions for Labour Market Equality. Les deux scientifiques vont créer le plus grand ensemble de données de synthèse sur le marché du travail des cadres en Amérique du Nord et s’en servir avec des données réelles pour améliorer la diversité et entraîner convenablement les algorithmes de recrutement.
Les algorithmes sont habituellement conçus à partir d’une banque de candidatures non diversifiées. Dans une vidéo de la Wharton School à l’Université de Pennsylvanie, on remarque que moins de 10 % des femmes et des membres des minorités figurent parmi les cinq plus grands cadres dans les sociétés regroupées sous l’indice S&P. Les algorithmes font automatiquement des recherches parmi les candidatures qui ressemblent le plus au personnel en poste, qui n’est pas diversifié. Cette façon de faire se répercute sur le rendement des entreprises. La diversification des effectifs permet d’intégrer de nombreuses perspectives et compétences variées.
L’utilisation de données « de synthèse »
L’équipe aimerait recenser les candidates et les candidats appartenant à des groupes mal desservis, qui possèdent d’excellentes compétences en pratique. Certains chercheurs et chercheuses universitaires se sont tournés vers les femmes PDG dans les petites entreprises pour élargir la banque de candidatures de PDG ou de membres de conseil d’administration, et sélectionnent des administratrices et administrateurs au moyen de l’apprentissage machine . Cependant, il est parfois difficile d’obtenir des données et d’en établir la valeur.
La chercheuse et le chercheur vont donc se servir de données « de synthèse », des données qui sont générées non pas à partir de situations réelles, mais par ordinateur à partir de différentes sources. Ancrée dans les fondements théoriques de la recherche dans le domaine du leadership, cette démarche offre des possibilités d’expérimentation et d’exploration dans la quête de l’inclusion et de la diversité.
Les données proviennent de toutes sortes de sources, comme les bases de données de rapports annuels publics d’entreprise, dont on retranche les facteurs qui donneraient lieu à de la discrimination (sans corrélation avec un rendement au travail négatif).
Un intérêt personnel
D’où vient l’intérêt de Mme Qi pour ce sujet?
« Je suis professeure et je suis issue d’un groupe minoritaire, et à ce titre, mon intérêt personnel est profondément ancré dans mon parcours universitaire et mes expériences dans le monde réel. » Tout au long de ma carrière, je me suis heurtée aux difficultés et aux disparités auxquelles les femmes, en particulier celles issues de groupes minoritaires, font face quand elles aspirent à occuper des postes de direction dans le milieu universitaire et en entreprise. »
« Je tiens à faire connaître les obstacles systémiques qui empêchent les femmes de progresser, à faire de la recherche qui fait ressortir les avantages de la diversité dans les postes de direction et à inspirer la prochaine génération de femmes dirigeantes avec les connaissances et les outils nécessaires pour briser le plafond de verre. »
Retombées de la recherche
Ces travaux sont l’occasion de stimuler la diversification du personnel-cadre, surtout dans un contexte où le recrutement automatisé devient la norme. L’ensemble de données sera mis à la disposition de l’industrie et des organismes de réglementation, ce qui contribuera à démocratiser l’accès à un ensemble de données diversifiées sur le marché du travail des cadres. C’est important, parce que l’équité dans les pratiques de recrutement est la première étape à franchir pour assurer l’équité dans une entreprise, surtout pour les postes de direction.
Ces données peuvent être pertinentes en recherche dans différents domaines, comme les ressources humaines ou l’économie du travail. Ce cadre de recherche pourrait également servir à d’autres chercheuses et chercheurs qui souhaitent créer leurs propres données de synthèse dans le but de stimuler la diversification et l’équité dans leurs processus de recrutement, au-delà de l’embauche de cadres.