\n<\/strong>La premi\u00e8re \u00e9tape a \u00e9t\u00e9 de dresser un portrait clair des comp\u00e9tences actuelles de leur main-d’\u0153uvre et d’extraire des enqu\u00eates les futures exigences en mati\u00e8re de demande. Nous avons fait appel \u00e0 l’apprentissage automatique avanc\u00e9, aux transformateurs et au traitement du langage naturel (NLP pour Natural Language Processing) pour analyser les descriptions d’emploi et les aligner sur les codes nationaux des professions (CNP) et les donn\u00e9es du syst\u00e8me d’information sur les professions et les comp\u00e9tences (OaSIS pour Occupational and Skills Information System). Nous avons ainsi pu d\u00e9gager les comp\u00e9tences actuelles et identifier les comp\u00e9tences futures \u00e0 l’aide des donn\u00e9es de l’enqu\u00eate sur les forces de travail (EFT) de notre client. En combinant les informations sur les comp\u00e9tences actuelles et futures, nous avons obtenu des informations pr\u00e9cieuses sur les d\u00e9calages de comp\u00e9tences, ce qui nous a \u00e9galement permis d’identifier les lacunes existantes et de pr\u00e9dire les comp\u00e9tences qui seront demand\u00e9es au fur et \u00e0 mesure de l’\u00e9volution de l’industrie.<\/p>\n
Nous avons, par exemple, pu d\u00e9montrer \u00e0 l’entreprise que m\u00eame si son \u00e9quipe poss\u00e9dait de solides comp\u00e9tences dans le domaine de la fabrication traditionnelle, elle avait besoin de plus en plus d’expertise dans des domaines tels que la robotique et l’analyse de donn\u00e9es. Ce type de vision \u00e9tait essentiel pour planifier des programmes de perfectionnement efficaces qui permettraient \u00e0 l’\u00e9quipe de rester comp\u00e9titive.<\/p>\n
Am\u00e9liorer les offres d’emploi pour plus de coh\u00e9rence<\/h3>\n
Le mod\u00e8le DCC a d\u00e9compos\u00e9 les fonctions en diff\u00e9rentes cat\u00e9gories telles que les comp\u00e9tences, les qualit\u00e9s personnelles, les aptitudes et les connaissances. En proc\u00e9dant de la sorte, nous avons aid\u00e9 l’entreprise \u00e0 cr\u00e9er une vue normalis\u00e9e des capacit\u00e9s de son personnel, ce qui a facilit\u00e9 l’identification des am\u00e9liorations n\u00e9cessaires et la planification de l’avenir.<\/p>\n Ainsi, notre client a pu constater, \u00e0 titre d’exemple, que la demande de certaines comp\u00e9tences technologiques allait probablement augmenter au cours des prochaines ann\u00e9es. Dot\u00e9 de ces informations, il a pu planifier de mani\u00e8re proactive des programmes de formation et des efforts de recrutement, au lieu de se pr\u00e9cipiter pour combler les lacunes au fur et \u00e0 mesure qu’elles apparaissaient.<\/p>\n
\n<\/strong>Un autre obstacle \u00e0 surmonter \u00e9tait l’incoh\u00e9rence des offres d’emploi. Les diff\u00e9rents services d\u00e9finissaient les r\u00f4les de mani\u00e8re diff\u00e9rente, ce qui rendait difficile l’obtention d’une vision claire des comp\u00e9tences r\u00e9ellement n\u00e9cessaires. Pour y rem\u00e9dier, nous avons mis au point le mod\u00e8le d’IA DCC (Duty-Competency Converter ou Convertisseur Comp\u00e9tence\/Donn\u00e9es). Gr\u00e2ce \u00e0 cet outil, les descriptions de poste ont pu \u00eatre align\u00e9es sur les normes du secteur.<\/p>\nPr\u00e9voir les besoins en comp\u00e9tences \u00e0 venir<\/h3>\n
\n<\/strong>L’aspect le plus passionnant du projet a \u00e9t\u00e9 le d\u00e9veloppement du mod\u00e8le d’IA appel\u00e9 Future Skill Mapper, qui a \u00e9t\u00e9 con\u00e7u pour remplacer le module traditionnel d’enqu\u00eate sur la main-d’\u0153uvre. Gr\u00e2ce \u00e0 l’exploitation de la puissance des grands mod\u00e8les de langage (LLM pour Large Language Model) dans le cadre d’une m\u00e9thode RAG (Retrieval-Augmented Generation ou G\u00e9n\u00e9ration Assist\u00e9e par R\u00e9cup\u00e9ration), le Future Skill Mapper offre une alternative rentable aux m\u00e9thodes d’enqu\u00eate conventionnelles. \u00c0 la diff\u00e9rence des enqu\u00eates, qui sont co\u00fbteuses et limit\u00e9es par des contraintes g\u00e9ographiques et sectorielles, cette solution bas\u00e9e sur l’IA exploite les donn\u00e9es de recherche existantes et les m\u00e9thodes avanc\u00e9es d’apprentissage automatique pour pr\u00e9dire les demandes de comp\u00e9tences \u00e9mergentes sans les contraintes de temps et d’argent des approches traditionnelles.<\/p>\nL’impact : Pr\u00e9parer l’avenir<\/h3>\n
\n<\/strong>L’impact de ce projet a \u00e9t\u00e9 incroyablement gratifiant. En exploitant ces informations bas\u00e9es sur l’IA, le client est d\u00e9sormais mieux \u00e9quip\u00e9 pour rester \u00e0 l’avant-garde des changements de l’industrie et garder sa main-d’\u0153uvre pr\u00eate \u00e0 faire face \u00e0 tout ce qui se pr\u00e9sente. Il s’agit d’un excellent exemple de la fa\u00e7on dont l’IA peut changer la donne, non seulement pour les fabricants, mais aussi pour toute organisation cherchant \u00e0 pr\u00e9parer son \u00e9quipe \u00e0 l’avenir.<\/p>\n\t\t
![\"Soroosh](\"https:\/\/kpidigital.com\/wp-content\/uploads\/2024\/10\/SorooshGhorbani.png\")
<\/figure>