Skip to main content

La diversité de la main-d'œuvre, à mon avis, est l'un des aspects les plus mal compris et les plus souvent mal cités dans la pratique des ressources humaines. On entend souvent des personnes, parfois très haut placées dans les organisations, affirmer que les meilleures organisations ont une main-d'œuvre diversifiée et que c'est donc quelque chose que « nous » devrions reproduire. Cela traduit une incompréhension fondamentale de la diversité et de sa relation avec les organisations à haute performance.

En règle générale, ces organisations à la performance de pointe adoptent une approche très simple : elles cherchent les personnes les plus brillantes qui s'intéressent à ce travail et les embauchent. Or, l'intelligence n'est pas déterminée par le genre, la sexualité, la taille, le poids, l'âge ou l'un quelconque des nombreux aspects sur lesquels nous semblons nous concentrer dans les médias traditionnels. Ainsi, les organisations qui s'attachent à recruter et à retenir les meilleurs talents dans leurs domaines ou à leur niveau de carrière se retrouvent très souvent avec une main-d'œuvre assez diversifiée. Ce qui conduit alors à la croyance erronée selon laquelle la diversité entraîne la performance, suivie invariablement par des entreprises lançant presque de façon risible un programme axé sur la diversité basé sur la discrimination. Combien d'entre nous ont vu des programmes axés sur l'âge ou le genre préconisés comme moyen d'accroître la diversité ? Il s'avère que l'âge et le genre sont de mauvais prédicteurs de la performance.

Se concentrer sur des prédicteurs de performance extrêmement faibles dans le but de diversifier, aboutira à une main-d'œuvre diversifiée dans l'organisation, mais dans certains cas, cela mènera à une organisation peu performante. Il vaut mieux se concentrer sur les véritables facteurs qui prédisent une forte performance, c'est-à-dire trouver les personnes les plus brillantes que vous pouvez vous permettre et les recruter. Concentrez-vous sur l'élimination dans vos processus de recrutement et de sélection de tout aspect discriminatoire, laissant ainsi la voie libre pour réellement recruter des performeurs élevés qui seront des femmes, des hommes, des personnes de genres divers, grandes, petites, locuteurs natifs ou non de la langue dominante sur votre lieu de travail.

Continuez à lire—et continuez à diriger plus intelligemment

Créez un compte gratuit pour terminer cet article et rejoindre une communauté de leaders tournés vers l'avenir exploitant outils, guides pratiques et perspectives pour prospérer à l'ère de l'IA.

Name*
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
This field is hidden when viewing the form
By submitting this form, you agree to receive our newsletter, and occasional emails related to People Managing People. You can unsubscribe at any time. For more details, please review our Privacy Policy
Brendan Lys

Opérant à l'intersection des Ressources Humaines et de la Science des Données, je mets à profit une vaste expérience spécialisée en Ressources Humaines, associée aux méthodologies et approches de la Science des Données. Cette démarche, axée sur la découverte d'informations exploitables à partir des données, a été appliquée à des domaines tels que : la rémunération et les avantages sociaux, la planification de la main-d'œuvre, le recrutement, la santé et la sécurité, la diversité et la formation. Mais à quoi ressemble réellement l'application de la science des données aux défis et opportunités RH ? Dans un cadre RH, les données que nous utilisons proviennent généralement directement de notre SIRH ; un avantage des méthodologies de science des données est que nous pouvons intégrer des données supplémentaires provenant de l'organisation ou de sources externes – des données qui échappent à une approche analytique RH classique. Prenons par exemple les descriptions de poste ; elles contiennent de nombreuses informations que nous ignorons habituellement car elles ne sont pas dans un format prêt à analyser. Un projet annexe sur lequel je travaille actuellement (avril 2019) consiste à utiliser le text mining sur les descriptions de poste afin de fournir des analyses sur la famille professionnelle à laquelle le poste pourrait appartenir. Les résultats de mes travaux ont été appréciés par des organisations de secteurs variés, notamment : les gouvernements (Australie et Nouvelle-Zélande), les sociétés cotées à l'ASX et à la NZX, les services publics, les associations à but non lucratif et l'enseignement supérieur.