Pondérer les compétences : cela rend vos notes défendables, pas plus exactes

Compter combien de seuils un candidat franchit masque lesquels

La façon la plus simple de résumer un candidat face à un poste est de compter : il a satisfait à quatre des sept compétences exigées par le poste. Cela se lit proprement et s'explique facilement, et c'est précisément pour cela que tant de fiches de notation s'arrêtent là. Le problème tient à ce que le décompte jette — il traite chaque compétence comme interchangeable et ne peut donc pas vous dire si les quatre validées étaient les quatre qui comptent.

Imaginez un poste de support où le travail est très majoritairement écrit : traiter les demandes des clients par écrit, avec empathie, toute la journée. Le poste liste aussi la connaissance produit, la priorisation et la documentation, qui sont réelles mais secondaires. Un candidat valide la communication écrite et l'empathie et échoue sur les trois autres. Un autre valide les trois compétences secondaires et échoue sur les deux qui définissent le poste. Au décompte, le second candidat paraît plus fort — trois l'emportent sur deux. Au regard du poste, le premier candidat est le seul à pouvoir réellement faire le travail.

Rien dans ce résultat n'est une erreur de calcul ; le calcul a fait exactement ce qu'on lui a demandé. C'est un défaut de modélisation : on n'a jamais indiqué au modèle que certaines parties de ce poste portent le travail et que d'autres l'accompagnent. La pondération est la manière dont vous fournissez cette information.

Ce que la recherche dit réellement des poids

C'est ici que la plupart des contenus d'éditeurs deviennent inconfortables, car le résultat honnête n'est pas le plus flatteur. Une longue lignée de travaux montre que des poids unitaires — traiter chaque composante à égalité — classent les personnes à peu près aussi bien que des poids obtenus au prix de bien plus d'efforts. Wainer a intitulé son article de 1976 sur l'estimation des coefficients dans les modèles linéaires avec la formule qui accompagne ce résultat depuis : it don't make no nevermind. Dawes a développé l'argument jumeau en 1979 à propos de ce qu'il appelait les improper linear models, en montrant que de simples composites à poids égaux sont remarquablement robustes et surpassent souvent des schémas plus élaborés sur de nouvelles données.

Bobko, Roth et Buster sont revenus à la question en 2007 spécifiquement pour les composites que nous construisons en sélection : après une revue de la littérature, ils concluent que les poids unitaires constituent une approche tout à fait appropriée dans un large éventail de conditions. La raison n'a rien de mystérieux. Les composantes d'une évaluation bien construite ont tendance à être corrélées entre elles, et dès lors qu'elles le sont, déplacer du poids de l'une à l'autre modifie le classement obtenu bien moins que l'intuition ne le laisse croire. Les poids différenciés portent en outre leur propre erreur d'estimation, qui peut discrètement annuler la précision qu'ils étaient censés apporter.

Donc si une plateforme vous dit que pondérer vos compétences rendra ses notes plus exactes ou plus prédictives, prenez cette affirmation avec précaution. Au vu des données, ce n'est pas ce que la pondération apporte de façon fiable. Le dire aussi clairement coûte à un éditeur une phrase qui sonne bien, et c'est la seule version de la phrase qui survit au contact de la littérature.

Alors pourquoi pondérer ? Parce que la note doit correspondre au poste

L'argument en faveur de la pondération n'est pas la prédiction. C'est la validité de contenu — l'exigence qu'une évaluation, et la note qu'elle produit, représentent le poste qu'elle prétend mesurer. Un chiffre qui affirme qu'un candidat présente une forte adéquation avec un poste très axé sur l'écrit tout en comptant discrètement l'écrit pour un sixième du résultat ne décrit pas ce poste. Il peut malgré tout classer les candidats de façon acceptable ; il ne peut simplement pas être expliqué sans gêne.

Cette explicabilité est le bénéfice concret. Les décisions de sélection sont contestées — par un manager recruteur qui n'est pas d'accord, par un candidat qui demande pourquoi, parfois par un avocat. Dans ces moments-là, l'artefact utile est une chaîne documentée : voici l'analyse de poste, voici les compétences qui en découlent, voici combien chacune compte et pourquoi, et voici les preuves dont dispose ce candidat face à elles. Un composite pondéré rend cette chaîne complète. Un composite non pondéré laisse un vide là où devrait figurer le raisonnement sur l'importance relative, et « nous les avons toutes comptées pareil parce que c'était le réglage par défaut » est une réponse faible quand le poste ne fonctionne manifestement pas ainsi.

Il existe un second bénéfice, plus discret. Fixer des poids impose une conversation que les équipes sautent d'habitude. Décider que la communication écrite compte trois fois plus que la documentation oblige le manager recruteur et le recruteur à s'accorder sur ce qu'est le poste — avant l'arrivée des candidats, et non au milieu d'une discussion sur l'un d'eux. L'essentiel de la valeur d'un exercice de pondération est acquis avant même qu'une seule note ne soit calculée.

Les poids répondent à une autre question que les critères impératifs

On confond souvent la pondération avec le fait de marquer quelque chose comme essentiel, alors que ce sont réellement deux instruments différents. Un poids dit combien une compétence compte dans un total où la force sur un domaine peut compenser une faiblesse sur un autre — un modèle compensatoire. Un critère impératif dit qu'aucune force ailleurs ne rattrape un manque ici — un seuil éliminatoire. La littérature sur les modèles de sélection les traite comme des conceptions complémentaires plutôt que concurrentes, et les comparaisons entre approches compensatoires et à seuils multiples se jouent sur le coût, l'ordonnancement et l'utilité, pas sur le fait que l'une serait correcte.

Le mode de défaillance consiste à employer l'un là où l'autre est nécessaire. Si vous exprimez un véritable critère impératif sous la forme d'un poids élevé, un candidat peut malgré tout franchir le seuil global tout en étant incapable d'assurer la partie non négociable du poste. Si vous exprimez une simple priorité comme un critère impératif, vous commencez à écarter des personnes pour des manques que le poste peut absorber — et dès que plusieurs compétences sont marquées essentielles, presque tout le monde en échoue une, et le marqueur cesse de porter de l'information.

Une règle pratique : optez pour un critère impératif quand la réponse honnête à « pourrions-nous recruter quelqu'un de faible sur ce point ? » est non, et optez pour un poids quand la réponse est « oui, mais cela nous coûterait ». Gardez les critères impératifs peu nombreux. Leur force vient de leur rareté.

• Poids — combien cela compte dans une note où les forces peuvent compenser les faiblesses.
• Critère impératif — un manque signalé pour lui-même, jamais dilué dans une moyenne par une force ailleurs.
• Utilisez les deux : un composite pondéré pour la vue d'ensemble, des seuils éliminatoires pour les points non négociables.

Ce qu'une mesure manquante ne doit jamais vouloir dire

Les modèles pondérés introduisent un mode de défaillance qu'il vaut la peine de nommer, parce qu'il sanctionne les candidats pour quelque chose qu'ils n'ont pas fait. Si un poste liste une compétence fortement pondérée que l'évaluation n'a en réalité jamais mesurée, un composite naïf traite cette absence comme un zéro — et le candidat est pénalisé pour une question que personne ne lui a posée.

Le traitement correct consiste à exclure ce qui n'a pas été évalué du numérateur comme du dénominateur, afin que la note décrive le terrain réellement couvert. Un candidat doit être mesuré à l'aune des preuves qui existent, et le rapport doit indiquer explicitement quelle part du poste ces preuves recouvrent. Cette transparence rend aussi un service à l'employeur : une compétence qui apparaît systématiquement comme non mesurée est une lacune de l'évaluation, et c'est de la voir énoncée qui pousse quelqu'un à ajouter la tâche qui la comble.

C'est le même principe qui gouverne le reste d'un modèle de notation défendable. L'absence de preuves n'est pas la preuve d'une absence, et un système de notation qui convertit silencieusement l'une en l'autre finira par produire une décision que personne ne peut justifier.

Fixer des poids que vous pouvez réellement défendre

Commencez à égalité. Compte tenu de ce que dit la recherche sur les poids unitaires, une pondération égale est un réglage par défaut défendable et non paresseux, et c'est ce que votre profil de poste devrait faire jusqu'à ce que quelqu'un puisse dire pourquoi une compétence mérite davantage. C'est l'écart qui a besoin d'une raison, pas le statu quo.

Faites découler les différences du poste, pas de l'évaluation. La question est de savoir à quel point une compétence est centrale pour tenir le poste — quelle part du travail la mobilise, à quel point les conséquences sont visibles lorsqu'elle est faible — et cette question trouve sa réponse auprès des personnes qui connaissent le poste, idéalement à partir de la même analyse de poste qui a produit la liste des compétences. Des poids inventés pour flatter un candidat que l'on privilégie ne sont pas des poids ; ce sont un résultat remonté à l'envers.

Gardez une échelle grossière et un raisonnement écrit. Des poids trop fins supposent une précision que les jugements sous-jacents n'ont pas, et la différence entre 1,7 et 1,8 ne résistera pas à l'examen — un petit nombre de paliers suffit à exprimer ce qu'une équipe croit réellement. Consignez pourquoi chaque poids non standard existe, afin que le modèle puisse être expliqué des mois plus tard par quelqu'un qui n'était pas dans la pièce.

• Par défaut, utilisez des poids égaux ; traitez tout écart comme une décision qui exige une justification.
• Faites découler les poids de l'analyse de poste, avant de voir les candidats.
• Utilisez une échelle grossière — quelques paliers, pas des décimales qui suggèrent une fausse précision.
• Consignez par écrit la raison de chaque poids non standard.
• Revoyez les poids quand le poste change ; un profil de poste obsolète mesure un travail que vous n'avez plus.

Comment SkillCort met cela en œuvre

Un profil de poste dans SkillCort liste les compétences exigées par un poste, chacune avec un niveau cible, un poids et un marqueur « critique » facultatif. Les preuves du candidat remontent des tâches qu'il a réalisées vers ces compétences, et le rapport affiche deux chiffres côte à côte : combien de compétences évaluées ont atteint leur cible et — uniquement lorsque le profil de poste porte effectivement des poids non standard — quelle part du poids évalué du poste a été satisfaite. Avec des poids égaux, les deux sont identiques par construction : rien de redondant n'est affiché et aucun chiffre existant ne se déplace silencieusement à l'arrivée de la fonctionnalité.

Les compétences critiques restent en dehors du composite. Un manque sur ce terrain est signalé comme une lacune à part entière plutôt que lissé dans une moyenne, ce qui maintient le résumé compensatoire et les points non négociables dans des colonnes distinctes, là où ils doivent être. Les compétences sans preuves sont exclues des deux chiffres : une exigence non mesurée ne peut donc jamais tirer un candidat vers le bas.

L'affirmation attachée à tout cela est délibérément étroite. SkillCort ne vous dit pas que le chiffre pondéré prédit la performance au travail mieux que le chiffre non pondéré, parce que les données ne l'appuient pas. Il vous dit que ce chiffre reflète le poste que vous avez défini — et l'accompagne du profil de poste, des preuves et de la piste d'audit qui vous permettent de montrer votre raisonnement quand on vous le demande.

Sources et pour aller plus loin

• Wainer (1976), Estimating coefficients in linear models: It don't make no nevermind — Psychological Bulletin
• Dawes (1979), The robust beauty of improper linear models in decision making — American Psychologist
• Bobko, Roth & Buster (2007), The Usefulness of Unit Weights in Creating Composite Scores — Organizational Research Methods
• Ock (2018), The Utility of Personnel Selection Decisions: Comparing Compensatory and Multiple-Hurdle Selection Models — Journal of Personnel Psychology