Évaluer avec l'IA : structurer le feedback, garder le jugement managérial

L'évaluation est probablement la tâche RH où la tension entre l'IA et le jugement humain est la plus visible. D'un côté, des entretiens annuels souvent bâclés faute de temps de préparation, des enquêtes d'engagement dont les résultats dorment dans un tableur, des plans de succession construits à la hâte une fois par an. De l'autre, une IA qui peut générer des trames, des synthèses et des matrices en quelques minutes. La question n'est pas de savoir si tu dois t'en servir : c'est d'éviter de laisser croire qu'elle peut faire le travail à ta place.

En 2024, selon une étude SHRM, 79 % des professionnels RH considèrent que les entretiens annuels sont insuffisamment préparés par les managers. L'IA peut changer ça, si elle est utilisée au bon endroit : en amont, pour structurer, pas pendant, pour décider.

Les entretiens annuels : préparer sans substituer

L'IA t'aide à construire une trame d'entretien cohérente avec les objectifs fixés en début d'année, à formuler des questions comportementales précises, à préparer le feedback structuré avant la conversation. Ce travail de préparation que beaucoup de managers font en dix minutes la veille au soir, ou pas du tout, l'IA le fait correctement en quinze minutes si tu lui fournis les éléments de fond : les objectifs de l'année, les résultats observés, les points forts et les axes de développement que tu as notés.

Ce qu'elle ne fait pas : conduire l'entretien, lire le langage non verbal du collaborateur, décider si une baisse de performance est liée à un contexte personnel difficile ou à un désengagement durable. Et elle ne rédige pas un compte-rendu fidèle de ce qui s'est dit dans la salle. Un compte-rendu généré sans les éléments de l'entretien réel est de la fiction administrative, et si elle est contestée aux prud'hommes, c'est un problème.

L'enquête d'engagement : du chiffre à l'action, avec ton filtre

Les données d'une enquête d'engagement sont parfaitement dans la zone de force de l'IA : elle peut analyser les scores par question, identifier les écarts entre équipes, croiser avec les verbatims, sortir les cinq thèmes les plus saillants. Ce travail de synthèse qui prenait deux journées se fait en une heure.

Mais la synthèse n'est pas la conclusion. Un score faible sur « autonomie » peut signifier vingt choses différentes selon l'équipe, le manager, le moment de l'enquête. L'IA repère le motif, elle ne l'interprète pas. Les actions qui sortent de cette analyse se discutent avec les managers concernés, pas avec le modèle. C'est toi qui sais si le problème est structurel ou ponctuel, si le manager en question traverse une période difficile, si le contexte de l'équipe explique le score.

Le plan de succession : structurer, pas décider

Un plan de succession bien construit demande une matrice potential/performance pour chaque poste critique, des profils cibles pour les successeurs, et des plans de développement pour combler les écarts. L'IA peut générer la structure, les critères d'évaluation, les trames de PDI pour chaque candidat identifié. C'est du travail de mise en forme que tu faisais à la main en deux jours : elle le fait en deux heures.

L'identification des successeurs potentiels reste un jugement managérial. Qui dans l'équipe a le potentiel de prendre le poste de directeur commercial dans trois ans ? Ce n'est pas une question à laquelle un modèle peut répondre sans connaître les personnes, leurs ambitions, leurs limites personnelles, leur façon de gérer une crise. Et laisser un algorithme coter le potentiel de collaborateurs sans supervision, c'est le risque de figer des évaluations et de fermer des portes à des gens sans qu'ils le sachent.