Données et analytique RH • 8 MIN DE LECTURE
Analytique RH prédictive : de la rétrospective à la prospective
JUN 10, 2026
La plupart des rapports RH vous disent ce qui s’est passé. L’analytique prédictive vous dit ce qui est susceptible d’arriver ensuite. Voici comment faire le virage.
La différence entre l’analytique descriptive et prédictive
L’analytique descriptive répond à la question : qu’est-ce qui s’est passé ? Votre rapport mensuel des effectifs, votre taux de roulement et vos données d’absence sont tous descriptifs. Ils vous parlent du passé et sont utiles pour suivre les tendances. L’analytique prédictive répond à la question : qu’est-ce qui est susceptible de se passer ? Un modèle prédictif de roulement repère les employés dont le risque de départ volontaire est élevé avant qu’ils ne démissionnent. Un modèle prédictif d’absence signale les équipes dont les tendances suggèrent un problème d’absence émergent. La distinction compte parce que l’analytique descriptive vous montre les problèmes après qu’ils se sont produits ; l’analytique prédictive vous donne la possibilité d’intervenir avant qu’ils ne se produisent.
Bien démarrer avec l’analytique prédictive
You do not need a data science team to begin. The first step is accumulating enough historical data in a single system (your HRIS) to identify meaningful patterns. The most accessible predictive model for most HR teams is a flight risk model: identify the characteristics that historically preceded voluntary departures in your organisation. Tenure, time since last pay review, time since last promotion, engagement score trend, and manager quality score are common predictors. Once you have identified the pattern, you can flag employees who match the profile for a proactive retention conversation.
