Quand on parle d'emploi, d'employabilité, de formation ou de gestion des talents, la question des compétences est à la fois centrale et déterminante :
développement des compétences,
adéquation des compétences,
alignement des compétences,
écarts de compétences,
anticipation des compétences futures, etc.
Autant de sujets que d'approches et de concepts qui impactent fondamentalement le monde du travail et celui de la formation.
La compréhension, la détection, le développement et l'évaluation des compétences deviennent donc décisifs pour l'employabilité des individus, la compétitivité des acteurs économiques et l'attractivité des territoires, quels que soient les outils, les standards ou les technologies exploités.
Si les données massives (Big Data) et l'intelligence artificielle (IA) sont aujourd'hui disponibles pour appuyer les initiatives autour des compétences, la qualité de l'information produite ainsi que sont exploitabilité dépendent (i) du sens que ces technologies donnent aux compétences, de la granularité et des attributs des relations résultantes, (ii) sans oublier le caractère intelligible et explicable des systèmes et circuits déployés.
Dans cet article, nous nous intéressons aux définitions et abstractions que les systèmes d'information sur les compétences peuvent adopter et exploiter, en introduisant notamment l'approche de TrouveTaVoie vis-à-vis des compétences opérationnelles.
La problématique de l'abstraction et de la généralisation des compétences
Comme le rappellent souvent les économistes, tout modèle est fondamentalement faux. Partant de là, toute modélisation des compétences reste une abstraction de la réalité, qui circonscrit l'infinité des possibilités sémantiques à un ensemble restreint, plus ou moins généralisé, visant à rendre possible des analyses synthétisables - donc communicables - et à faciliter le travail statistique.
Il est par conséquent évident que l'exploitation des modèles, des référentiels, des ontologies ou même des intelligences artificielles poussées ne peut empêcher la perte d'au moins une partie de l'information. Cependant, tous les modèles n'offrent pas le même niveau de compréhension et de rapprochement par rapport à la réalité, ce qui fait déjà une grande différence.
Aussi, et selon les secteurs, les régions et les industries, et parfois même en comparant au sein des mêmes régions ou industries, la demande et les écarts de compétences peuvent varier considérablement. Il n'est donc pas pertinent de généraliser une liste des compétences comme étant les plus demandées ou les plus prometteuses dans une échelle trop globale (au niveau sectoriel, national ou mondial). Il va sans dire que, de manière générale, les données collectées en ligne ou via les systèmes d'enquêtes sont par construction biaisées ou limitées, ce qui augmente les dérives de la généralisation.
Ainsi, pour réaliser des analyses solides, anticiper les compétences qui seront demandées à l'avenir et leur évolution (i.e. quelles compétences vont gagner en importance ? quelles compétences deviendraient obsolètes ?), ou encore matcher entre profils, métiers, emplois et formations sur la base des compétences, il est d'abord nécessaire d'être en mesure d'identifier, comprendre, qualifier et classifier correctement les compétences observables à travers les données disponibles aujourd'hui.
Qu'est ce qu'une compétence ?
Il existe tellement de définitions différentes qui circulent, ce qui maintient l'ambiguïté autour des caractéristiques de base que présentent une compétence. C'est d'ailleurs l'une des principales raisons pour lesquelles de nombreuses tentatives visant à exploiter l'IA et les Big Data échouent malgré les investissements importants alloués.
C'est pourquoi il est d'autant plus crucial d'accorder une attention particulière à la définition et à la compréhension qu'on adopte pour décrire une compétence, qui soit cohérente, expliquée et intelligible.
La classification européenne des aptitudes/compétences (ESCO) définit une compétence comme la capacité à appliquer des connaissances et d'exploiter les savoir-faire en vue d'accomplir des tâches et résoudre des problèmes. L'ESCO ne distingue pas les concepts d'aptitudes et de compétences, mais fait la distinction entre ces derniers et les concepts relatifs aux connaissances, en y associant le type d'aptitudes.
En France, Pôle Emploi catégorise les compétences en trois niveaux : les savoirs, les savoir-faire et les qualités professionnelles :
Les savoirs | Les savoirs constituent l’ensemble des connaissances et techniques acquises par l’enseignement : ce que je sais, c’est ce que j’ai appris. |
Les savoir-faire | Les savoir-faire représentent les capacités à mettre en œuvre les savoirs acquis, développés notamment au cours des expériences professionnelles : ce que je sais faire. |
Les qualités professionnelles | Les 14 qualités professionnelles sont l’ensemble des manières d’agir et les capacités relationnelles utiles pour interagir dans un contexte professionnel : capacité à fédérer, travail en équipe, prise de recul, curiosité, persévérance, capacité de décision, sens de la communication, autonomie, gestion du stress, rigueur, réactivité, capacité d’adaptation, force de proposition et sens de l’organisation. Objectivables, elles peuvent être illustrées par un exemple de situation professionnelle. |
De toute évidence, ces multiples définitions et classifications causent des divergences dans la définition d'une compétence, et entraîneront des ambiguïtés, et parfois même des écarts, dans la collecte et l'analyse des données, qui à leur tour affecteront toute extrapolation basée sur ces données.
Il reste bien entendu à exploiter correctement ces langages communs, en tenant compte des disparités et les niveaux d'abstraction, tout en exploitant la granularité des données (Big Data) et des intelligences artificielle bien calibrées, si l'on veut apporter une information fiable, exploitable et bénéfique aux parties prenantes de la formation et l'emploi.
Notre approche des compétences opérationnelles
Dans le cadre d'une observation des évolutions du marché du travail qui se base sur les Big Data, notamment en lien avec les compétences, et afin de garantir à la fois le caractère agnostique vis-à-vis des référentiels exploités, en plus d'une forte interopérabilité entre les standards internationaux comme l'ESCO et le ROME, nous avons mis en place le concept particulier de la compétence opérationnelle.
Une compétence opérationnelle est une représentation technique de ce qu'est une compétence dans un sens global, qui regroupe de façon étendu un savoir-faire contextualisé, capturant notamment les connaissances, les outils techniques, les compétences comportementales ou encore les langues nécessaires à l'accomplissement de la tâche/activité sous-jacente.
Nos intelligences artificielles considèrent ainsi cette représentation pour détecter et/ou construire les compétences tirées des données Big Data, qui sont le plus souvent des données textuelles non-structurées, ainsi que dans le processus de normalisation et de mise à jour dynamique des référentiels de compétences.
Vous souhaitez en savoir plus sur nos solutions IA et Big Data au service des acteurs de la formation et du conseil carrière ?
Vous avez un projet, une étude spécifique à mener ?
Vous souhaitez avoir accès à nos données et insights ?
Vous aimeriez tester notre plateforme https://app.trouvetavoie.io ?
TrouveTaVoie œuvre pour rendre les données et les technologies de l'emploi accessibles à tous les acteurs du marché du travail, disposant de la base de données temps réel sur le marché du travail la plus large, la plus complète et la plus granulaire en France.
Comments