L’IA au service de l’expérience collaborateur chez Alan

Alan, acteur innovant de l’assurance santé et du bien-être, intègre l’intelligence artificielle dans ses processus RH pour optimiser le travail quotidien et offrir une meilleure expérience à ses collaborateurs. Jérémie Preault, People Operations and Analytics chez Alan, a partagé à Pierre Monclos comment l’IA a été mise en place pour répondre à différents enjeux et quels résultats ont été obtenus dans l’entreprise. Découvrez son interview complète : 

1. Répondre aux questions fréquentes des collaborateurs

Problématique : L’équipe RH d’Alan, face à une croissance rapide, devait trouver un moyen d’améliorer la gestion des questions courantes des collaborateurs sans alourdir la charge de travail des équipes RH.

Méthode : Pour répondre à cet enjeu, Alan a développé l’assistant IA « People Oncall » intégré à Slack. Cet assistant conversationnel, conçu à partir de la base de connaissances RH de l’entreprise, permet de fournir des réponses précises et automatisées aux questions fréquentes sur des sujets tels que les congés et l’intégration des nouveaux arrivants. L’outil utilise Dust pour centraliser les données et garantir leur sécurité.

Résultat : L’assistant « People Oncall » gère plus de 160 questions par mois, soit environ 30 à 40 % des requêtes reçues par l’équipe RH. Cette automatisation a permis de libérer du temps pour les équipes RH, qui peuvent désormais se concentrer sur des tâches plus stratégiques, tout en garantissant une expérience utilisateur fluide pour les collaborateurs.

2. Améliorer le processus de recrutement

Problématique : Le recrutement chez Alan implique la participation de nombreux collaborateurs, ce qui représente un investissement de temps considérable. L’objectif était donc d'optimiser le processus tout en maintenant la qualité et l’expérience des candidats.

Méthode : Alan a intégré l’IA tout au long du processus de recrutement. L’IA aide à rédiger des descriptions de poste et des scripts d’entretien, à rechercher des profils en utilisant des mots-clés pertinents sur des plateformes comme LinkedIn, et à transcrire et résumer les entretiens. L’IA est ici utilisée comme un assistant, et non un outil décisionnel.

Résultat : Cette automatisation a permis de gagner du temps sur des tâches répétitives et a amélioré la pertinence des recherches et des échanges avec les candidats. L’expérience des candidats s’en trouve enrichie, car les recruteurs peuvent se concentrer davantage sur l’humain plutôt que sur la prise de notes et la gestion administrative.

3. Personnaliser l’accompagnement et le coaching

Problématique : L’engagement et la croissance personnelle des collaborateurs sont au cœur de la culture d’Alan. L’équipe cherchait à offrir un accompagnement personnalisé aux employés tout en optimisant la préparation des sessions de coaching.

Méthode : Alan a mis en place des outils d’IA pour soutenir les coachs internes. L’IA fournit des questions clés, des conseils d’organisation et des recommandations de lectures adaptées pour personnaliser les sessions de coaching. En cas de situations complexes, comme la gestion des frustrations après une promotion manquée, l’IA aide le coach à analyser la situation et à élaborer un plan d’action approprié.

Résultat : Les coachs bénéficient d’une meilleure préparation et d’une personnalisation accrue des sessions, ce qui rend l’accompagnement plus efficace et engageant pour les collaborateurs. L’IA permet aussi aux coachs de continuer à se former et à développer leurs compétences en accédant à des ressources structurées et adaptées.

4. Suivre le bien-être et l’engagement des équipes

Problématique : Comprendre le ressenti et le bien-être des équipes était un défi, nécessitant un suivi régulier et une analyse approfondie des retours hebdomadaires des collaborateurs.

Méthode : Alan a développé un assistant IA appelé « SFA Pulse » qui analyse et résume les feedbacks hebdomadaires (Sun, Fire, A+). Cet outil lit et synthétise les retours de toute l’équipe, ce qui offre aux responsables un résumé des points bloquants, du niveau de stress et du sentiment général des équipes.

Résultat : « SFA Pulse » a permis aux responsables d’avoir une vision claire et globale de l’état d’esprit de leurs équipes, ce qui facilite une gestion proactive du bien-être et de l’engagement. L’outil a considérablement réduit le temps nécessaire à l’analyse des retours et a permis de prendre des décisions plus rapides et adaptées.

5. Optimiser les évaluations de performance

Problématique : Le processus d’évaluation des performances chez Alan nécessitait une refonte pour être plus efficace tout en préservant la qualité et la profondeur des retours.

Méthode : Alan a utilisé l’IA pour simplifier le processus d’évaluation en permettant aux collaborateurs de résumer leurs six derniers mois et en facilitant la rédaction des évaluations grâce à des assistants IA. Ces outils, qui ont accès aux connaissances internes sur les lignes directrices des évaluations et les grilles de niveau, accompagnent les collaborateurs et les pairs dans la rédaction de feedbacks cohérents et pertinents.

Résultat : Les évaluations sont devenues plus homogènes, tout en respectant la personnalité et la contribution de chaque collaborateur. Toutefois, Alan a appris de ses premières expériences, où l’IA était utilisée de manière trop directe, conduisant à des évaluations creuses. L’approche a été ajustée pour que l’IA enrichisse et soutienne la rédaction, sans remplacer l’humain dans le processus.

Pour résumer, les méthodes mises en place par Alan permettent d’améliorer l’efficacité, de personnaliser l’accompagnement et de renforcer l’engagement des collaborateurs, tout en maintenant un équilibre entre automatisation et intervention humaine. Pour d’autres entreprises envisageant d’adopter l’IA, l’exemple d’Alan est une source d’inspiration précieuse, montrant qu’une adoption progressive et ajustée peut transformer les pratiques RH.