big data et emploi : vers la fin du chômage ?

En matière d’emploi, la France soulève un paradoxe : le pays souffre d’un taux de chômage autour des 10% tandis que des centaines de milliers d’offres d’emploi ne sont pas pourvues.

Quelles sont les causes de cette écart et comment le big data peut-il aider à résoudre ce paradoxe ?

Cela fait environ vingt ans que les candidatures en ligne se sont généralisées. De la PME au grand groupe, les entreprises recrutent en ligne, que ce soit par l’intermédiaire de job boards ou directement sur leur site internet. Ce qui a facilité la publication et la visibilité des offres d’emploi s’est cependant retourné contre les recruteurs comme les candidats. En recevant des parfois des centaines de candidatures pour un poste, les responsables RH n’ont pas les moyens humains d’analyser correctement l’ensemble des CV reçus. Les SI RH dotés d’outils de scoring facilitent la tâche mais ont également leurs limites.

La data science au service du recrutement

Les start-ups spécialisées dans les problématiques RH promettent aujourd’hui d’affiner les méthodes de scoring et de trouver le « match » parfait pour chaque poste. Les géants du recrutement s’arrachent leurs compétences en data science et en machine learning. Ainsi la plateforme à succès Smartrecruiters (un acteur B2B du recrutement) a racheté la start-up berlinoise Jobspotting pour ajouter un outil de sourcing efficace (3 millions de postes pourvus via Jobspotting en trois ans) à sa suite logiciel. Grâce aux données entrées par les utilisateurs et à l’intégration de leurs retours dans leur fonctionnement, ces plateformes améliorent de façon autonome leurs performances.

Les pouvoirs publics organisent l’ouverture des données de l’emploi

En France les données publiques de l’emploi proviennent de Pôle Emploi. L’organisme a emboîté le pas de la mission Etalab en 2013. En 2015 l’Emploi store proposait les 6 premiers jeux de données ouverts aux développeurs et data scientists. Mais les échanges entre les start-ups et le mastodonte de l’emploi se mettent lentement en place. Fin 2016, Paul Duan, fondateur de l’ONG Bayes Impact et nouveau “héraut” du big data au service du bien commun suscitait un regain d’intérêt et une frénésie médiatique autour de son objectif de faire diminuer le chômage de 10%. Revenu de la Silicone Valley, il a créé Bob Emploi, un service d’accompagnement à la recherche d’emploi data driven.

Vers un suivi en temps réel du chômage ?

Il existe un lien entre notre activité en ligne et différents aspects de nos vies personnelles.En Finlande, une étude a montré que les recherches Google sur les aides sociales augmentent juste avant le taux de chômage. Au Royaume-Unis, la fermeture d’une usine s’est retrouvée dans les relevés d’appels téléphoniques des habitants d’une ville. En Espagne, une carte du taux de chômage a été établie par la géolocalisation de tweets. On voit donc bien les applications directes du big data dans la question de la prédiction des variations de l’emploi dans les territoires. L’INSEE et les enquêtes classiques seront-elles bientôt obsolètes ? Quoiqu’il en soit, le prochain défi du domaine sera le suivi en temps réel de ces données.

Plus d'articles