{"id":47502,"date":"2026-09-24T15:13:59","date_gmt":"2026-09-24T13:13:59","guid":{"rendered":"https:\/\/www.gereso.com\/actualites\/?p=47502"},"modified":"2026-09-24T15:14:01","modified_gmt":"2026-09-24T13:14:01","slug":"data-chiffres-trompent-rh","status":"publish","type":"post","link":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/","title":{"rendered":"Data : quand les chiffres trompent les RH"},"content":{"rendered":"\n<p class=\"wp-block-paragraph\">Concr\u00e8tement, le probl\u00e8me n\u2019est pas tant la data, mais la confusion entre ce qui est mesurable et ce qui est r\u00e9ellement pertinent. Autrement dit, lorsque l\u2019on transforme un indicateur en v\u00e9rit\u00e9 universelle. En effet, une donn\u00e9e RH peut \u00eatre parfaitement exacte et pourtant conduire \u00e0 une interpr\u00e9tation fausse.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Prenons l\u2019exemple du turnover. Une entreprise constate par exemple que 18 % de ses collaborateurs ont d\u00e9missionn\u00e9 sur l\u2019ann\u00e9e. Le chiffre est incontestable. Mais que raconte-t-il r\u00e9ellement ? Il ne dit pas si les d\u00e9parts sont concentr\u00e9s sur certains m\u00e9tiers, certaines \u00e9quipes ou certains niveaux d\u2019anciennet\u00e9. Il ne dit pas si les d\u00e9parts sont subis ou souhait\u00e9s. Ce chiffre ne dit pas non plus si les personnes qui partent \u00e9taient les moins engag\u00e9es ou au contraire celles qui avaient le plus d\u2019opportunit\u00e9s sur le march\u00e9 de l\u2019emploi.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Le constat peut \u00eatre le m\u00eame pour le taux d\u2019absent\u00e9isme.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Un chiffre mesure donc un ph\u00e9nom\u00e8ne, mais il n\u2019en explique pas forc\u00e9ment la cause.<\/strong> C\u2019est probablement l\u2019un des premiers pi\u00e8ges de l\u2019exploitation de la data en entreprise : donner aux chiffres un pouvoir explicatif qu\u2019ils n\u2019ont pas.<\/p>\n\n\n\n<h2 style=\"color:#D10016\"><strong>Le risque des biais cognitifs<\/strong><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Les donn\u00e9es RH ne sont pas neutres lorsqu\u2019il s\u2019agit de les interpr\u00e9ter. Elles sont produites par des syst\u00e8mes informatiques, certes, mais elles sont issues de comportements humains. \u00c0 chaque \u00e9tape, des biais cognitifs peuvent appara\u00eetre.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Un indicateur de performance d\u00e9pend par exemple de la mani\u00e8re dont la performance est \u00e9valu\u00e9e. Or deux managers peuvent utiliser des crit\u00e8res diff\u00e9rents, attribuer des notes diff\u00e9rentes ou \u00eatre plus ou moins objectifs dans leurs appr\u00e9ciations.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De plus, une donn\u00e9e d\u2019engagement d\u00e9pend \u00e9galement de ceux qui r\u00e9pondent au questionnaire\u2026 et de ceux qui ne r\u00e9pondent pas.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Avant m\u00eame d\u2019analyser une donn\u00e9e, il faut donc se demander : comment cette donn\u00e9e a-t-elle \u00e9t\u00e9 produite ? Cette question est souvent n\u00e9glig\u00e9e, elle est pourtant essentielle.<\/p>\n\n\n\n<h2 style=\"color:#D10016\"><strong>Penser en flux plut\u00f4t qu\u2019en stock<\/strong><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Un autre pi\u00e8ge fr\u00e9quent peut fausser l\u2019analyse des donn\u00e9es fournies aux RH. Il s\u2019agit d\u2019interpr\u00e9ter des chiffres comme une photographie prise \u00e0 un instant T, plut\u00f4t que de les inscrire dans une succession d\u2019\u00e9v\u00e9nements.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Par exemple, un effectif de 1 000 collaborateurs au 31 d\u00e9cembre est consid\u00e9r\u00e9 comme un stock. Mais ce stock r\u00e9sulte d\u2019une multitude de flux : recrutements, d\u00e9parts, mobilit\u00e9s, promotions, changements de contrats, absences, retours, \u00e9volutions organisationnelles\u2026<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Deux entreprises peuvent ainsi afficher exactement le m\u00eame effectif, le m\u00eame taux de turnover ou le m\u00eame niveau d\u2019anciennet\u00e9 moyen, mais conna\u00eetre des probl\u00e9matiques au niveau des ressources humaines radicalement diff\u00e9rentes.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">C\u2019est notamment pourquoi un indicateur RH devrait rarement \u00eatre analys\u00e9 seul, sans contexte ni autres indicateurs compl\u00e9mentaires. Par exemple, un taux de turnover de 10 % n\u2019a pas la m\u00eame signification dans un grand groupe qui recrute massivement (CDI, CDD, int\u00e9rim, stage\u2026) que dans une PME dont les effectifs sont stables avec une majorit\u00e9 de CDI.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En soi, <strong>dans le secteur RH, l\u2019analyse des flux est aussi importante que l\u2019analyse des chiffres \u00e0 une date donn\u00e9e.<\/strong><\/p>\n\n\n\n<h2 style=\"color:#D10016\"><strong>Ce que les chiffres ne disent jamais<\/strong><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Les chiffres rassurent, ils repr\u00e9sentent une donn\u00e9e objective, issus d\u2019une d\u00e9marche scientifique. Cependant, se r\u00e9f\u00e9rer uniquement aux chiffres ne permet pas une analyse fine des enjeux sur le volet social au sein d\u2019une entreprise. C\u2019est peut-\u00eatre l\u00e0 que se trouve la principale limite des <em>People Analytics<\/em>.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En effet, les donn\u00e9es nous renseignent sur des faits observables. Cependant, il reste difficile de comprendre ce qui se joue derri\u00e8re ces faits chiffr\u00e9s.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Un chiffre ne dit pas qu\u2019un salari\u00e9 ne se sent plus \u00e9cout\u00e9. Une donn\u00e9e sur un tableur ne dit pas qu\u2019un manager est \u00e9puis\u00e9, mais qu\u2019il continue malgr\u00e9 tout d\u2019afficher de bons r\u00e9sultats. Le nombre de ventes ne dit pas qu\u2019une \u00e9quipe de commerciaux a perdu confiance dans sa direction. Plusieurs ann\u00e9es d\u2019anciennet\u00e9 ne disent pas qu\u2019un salari\u00e9 performant pr\u00e9pare discr\u00e8tement son d\u00e9part. Nous pouvons ainsi multiplier les exemples, tant les principales probl\u00e9matiques qui se pr\u00e9sentent aux ressources humaines passent g\u00e9n\u00e9ralement sous les radars des donn\u00e9es chiffr\u00e9es.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De plus, le silence est une donn\u00e9e difficile \u00e0 mesurer. Et pourtant, en RH, il peut \u00eatre significatif. C\u2019est pourquoi une baisse du nombre de r\u00e9clamations, par exemple, ne signifie pas automatiquement une am\u00e9lioration du climat social. Elle peut aussi traduire une forme de r\u00e9signation de la part des salari\u00e9s, faute de r\u00e9action de la direction.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Une donn\u00e9e chiffr\u00e9e peut donc parfois masquer pr\u00e9cis\u00e9ment ce que l\u2019on cherche \u00e0 comprendre.<\/strong><\/p>\n\n\n\n<h2 style=\"color:#D10016\"><strong>Le danger \u00e0 \u00e9viter : automatiser des biais cognitifs \u00e0 grande \u00e9chelle<\/strong><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">L\u2019arriv\u00e9e de l\u2019intelligence artificielle dans les RH renforce cette vigilance, avec des biais cognitifs pouvant \u00eatre aggrav\u00e9s par des hallucinations produites par les IA g\u00e9n\u00e9ratives (r\u00e9ponses bas\u00e9es sur la pr\u00e9diction de l\u2019IA plut\u00f4t que sur des donn\u00e9es v\u00e9rifi\u00e9es).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">En soi, automatiser une d\u00e9cision \u00e0 partir de donn\u00e9es historiques peut sembler plus objectif dans la gestion des ressources humaines. Mais si les donn\u00e9es historiques contiennent des biais cognitifs, l\u2019algorithme risque de les reproduire \u2014 voire de les amplifier.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Par exemple, imaginons un syst\u00e8me informatique qui cherche \u00e0 identifier les profils ayant statistiquement le plus de chances d\u2019\u00e9voluer durablement au sein d\u2019une entreprise. Si, pendant des ann\u00e9es, une entreprise a davantage recrut\u00e9 certains profils, l\u2019IA peut g\u00e9n\u00e9rer un mod\u00e8le reprenant ces r\u00e9gularit\u00e9s. L\u2019IA dans ce cas ne comprend pas n\u00e9cessairement si cette s\u00e9lection de candidats correspond \u00e0 un lien v\u00e9rifi\u00e9 entre tel profil et telles performances ou s\u2019il s\u2019agit simplement de reflets de pratiques de recrutement historiques propres \u00e0 l\u2019entreprise.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>L\u2019algorithme peut alors \u00eatre coh\u00e9rent dans les crit\u00e8res employ\u00e9s, tout en reproduisant une logique imparfaite.<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La question \u00e0 se poser n\u2019est donc pas seulement : \u00ab Que peut-on automatiser ? \u00bb Elle devrait aussi \u00eatre : \u00ab Que ne devons-nous pas automatiser sans un regard humain ? \u00bb<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Cette vigilance est d\u2019autant plus n\u00e9cessaire lorsqu\u2019une d\u00e9cision RH produit des cons\u00e9quences significatives pour un salari\u00e9 (ex. : recrutement, \u00e9volution professionnelle, r\u00e9mun\u00e9ration, mobilit\u00e9 ou \u00e9valuation\u2026).<\/p>\n\n\n\n<h2 style=\"color:#D10016\"><strong>La data n\u2019est pas \u00e0 exclure, mais \u00e0 mod\u00e9rer<\/strong><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Face \u00e0 ces limites dans l\u2019analyse objective des donn\u00e9es, il serait tentant de tomber dans l\u2019exc\u00e8s inverse : c\u2019est-\u00e0-dire d\u2019opposer les chiffres g\u00e9n\u00e9r\u00e9s par un syst\u00e8me informatique \u00e0 une appr\u00e9ciation humaine.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Les appr\u00e9ciations qualitatives provenant des responsables des ressources humaines ne doivent pas &#8211; et ne peuvent pas aujourd\u2019hui &#8211; remplacer totalement la data. Ces appr\u00e9ciations doivent lui donner du sens, en contextualisant les chiffres g\u00e9n\u00e9r\u00e9s.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Par exemple, une hausse du taux de turnover peut \u00eatre un signal d\u2019alerte pouvant d\u00e9clencher une enqu\u00eate sur le climat social aupr\u00e8s des salari\u00e9s. Des entretiens avec ces salari\u00e9s peuvent ensuite permettre de comprendre ce qui se passe r\u00e9ellement, en apportant de pr\u00e9cieuses informations compl\u00e9mentaires aux chiffres analys\u00e9s.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Concernant l\u2019exemple du turnover, des \u00e9changes avec les managers, les RRH et la direction peuvent alors r\u00e9v\u00e9ler les causes d\u2019un tel d\u00e9sengagement parmi les salari\u00e9s (ex. : surcharge de travail, changement manag\u00e9rial, manque de perspectives d\u2019\u00e9volution professionnelle, perte de sens\u2026).<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Pour r\u00e9sumer, la data permet de rep\u00e9rer une probl\u00e9matique. <strong>La qualification des donn\u00e9es par les RH, les managers et la direction permet bien souvent de comprendre ces chiffres.<\/strong><\/p>\n\n\n\n<h2 style=\"color:#D10016\"><strong>Quelles sont les bonnes questions \u00e0 se poser ?<\/strong><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">Dans une fonction RH de plus en plus outill\u00e9e informatiquement, la performance ne consiste pas \u00e0 avoir toujours plus de donn\u00e9es. Elle consiste \u00e0 savoir quelles questions se poser face \u00e0 ces donn\u00e9es.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Avant de prendre une d\u00e9cision sur la base d\u2019un indicateur, les RH peuvent ainsi se poser les questions suivantes :<\/p>\n\n\n\n<ol class=\"wp-block-list\">\n<li>Que mesure r\u00e9ellement cet indicateur ? Que ne mesure-t-il pas ?<\/li>\n\n\n\n<li>Comment cette donn\u00e9e a-t-elle \u00e9t\u00e9 produite ? Quelles d\u00e9finitions, quelles r\u00e8gles et quels comportements se cachent derri\u00e8re elle ?<\/li>\n\n\n\n<li>Quel est le contexte ? Un chiffre isol\u00e9 peut \u00eatre trompeur. Les \u00e9volutions, les populations concern\u00e9es et les flux sont essentiels pour l\u2019analyse d\u2019un chiffre.<\/li>\n\n\n\n<li>Quelles autres interpr\u00e9tations sont possibles ? Une m\u00eame donn\u00e9e peut avoir plusieurs explications.<\/li>\n\n\n\n<li>Avons-nous confront\u00e9 le chiffre au terrain ? Entretiens, observations, \u00e9changes manag\u00e9riaux, retours collaborateurs : leurs retours doivent pouvoir confirmer, nuancer ou contredire les donn\u00e9es chiffr\u00e9es.<\/li>\n<\/ol>\n\n\n\n<p><\/p><article class=\"obj_encart-formation\">\n<div class=\"ctn_encart\">\n<h3>Votre formation sur ce th\u00e8me<\/h3>\n<h2>&nbsp;L&rsquo;ANALYSE DE DONN\u00c9ES RH POUR MIEUX COMPRENDRE ET D\u00c9CIDER&nbsp;<\/h2>\n<h4>2 jours &#8211; En pr\u00e9sentiel ou \u00e0 distance<\/h4>\n<ul>\n<li><strong>D\u00e9finir l&rsquo;objectif et le p\u00e9rim\u00e8tre<\/strong> d&rsquo;une \u00e9tude RH.<\/li>\n<li><strong>Mettre en \u0153uvre les diff\u00e9rentes \u00e9tapes<\/strong> m\u00e9thodologiques pour collecter, structurer et exploiter les donn\u00e9es pertinentes.<\/li>\n<li><strong>S\u00e9lectionner les indicateurs<\/strong> adapt\u00e9s aux enjeux RH.<\/li>\n<li><strong>Interpr\u00e9ter les r\u00e9sultats<\/strong> obtenus.<\/li>\n<li><strong>Piloter effacement<\/strong> son processus de recrutement.<\/li>\n<li><strong>Pr\u00e9senter les r\u00e9sultats<\/strong> de son \u00e9tude.<\/li>\n<\/ul>\n\n<div class=\"ctn_btn\">\n<a class=\"obj_btn\" target=\"_blank\" href=\"https:\/\/www.gereso.com\/TALY\" rel=\"noopener\"><span>En savoir plus<\/span><\/a>\n<a class=\"obj_btn\" target=\"_blank\" href=\"https:\/\/documents.gereso.com\/client\/programme-pdf\/TALY.pdf\" rel=\"noopener\"><span>T\u00e9l\u00e9charger le programme PDF<\/span><\/a>\n<\/div>\n<\/div><\/article><p><\/p>\n\n\n\n<h2 style=\"color:#D10016\"><strong>Vers une fonction RH \u00ab&nbsp;<em>data-informed<\/em>&nbsp;\u00bb plut\u00f4t que \u00ab&nbsp;<em>data-driven<\/em>&nbsp;\u00bb<\/strong><\/h2>\n\n\n\n<p class=\"wp-block-paragraph\">La nuance peut sembler purement s\u00e9mantique, n\u00e9anmoins elle ne l\u2019est pas. <strong>Une politique RH <em>data-driven<\/em> consiste \u00e0 consid\u00e9rer une donn\u00e9e comme le point de d\u00e9part, mais \u00e9galement le point d\u2019arriv\u00e9e d\u2019une d\u00e9cision RH.<\/strong><\/p>\n\n\n\n<p class=\"wp-block-paragraph\"><strong>Une politique RH <em>data-informed<\/em> consid\u00e8re quant \u00e0 elle une donn\u00e9e comme une source d\u2019\u00e9clairage parmi tant d\u2019autres<\/strong>. Ce positionnement permet d\u2019accepter qu\u2019un chiffre puisse \u00eatre contest\u00e9 et qu\u2019une intuition sur le terrain m\u00e9rite d\u2019\u00eatre v\u00e9rifi\u00e9e. Cette politique permet aussi d\u2019accepter qu\u2019une d\u00e9cision RH ne puisse pas toujours \u00eatre r\u00e9duite \u00e0 une formule math\u00e9matique ou \u00e0 un score.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Les salari\u00e9s et collaborateurs ne sont pas uniquement des lignes dans un fichier Excel. Ce constat est de bon sens, mais la multiplication de la data au sein des entreprises peut progressivement d\u00e9shumaniser les prises de d\u00e9cision.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">La donn\u00e9e chiffr\u00e9e et trait\u00e9e informatiquement peut ainsi aider \u00e0 mieux cibler les probl\u00e9matiques et les enjeux sociaux qui se pr\u00e9sentent aux entreprises. Cependant, elle ne doit pas emp\u00eacher les RH de regarder ce qui se passe concr\u00e8tement sur le terrain.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Le v\u00e9ritable enjeu est donc de construire une fonction RH capable de faire dialoguer la data et les retours sur le terrain. En effet, des indicateurs fiables permettent de d\u00e9tecter de faibles signaux d\u2019alarme qui peuvent passer inaper\u00e7us aux yeux des RH, mais qui sont annonciateurs de difficult\u00e9s futures. Des analyses rigoureuses provenant des RH et venant expliciter les chiffres analys\u00e9s peuvent permettre dans un second temps d\u2019\u00e9viter les conclusions trop h\u00e2tives.<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">De plus, des algorithmes contr\u00f4l\u00e9s, r\u00e9guli\u00e8rement mis \u00e0 jour et aliment\u00e9s par des donn\u00e9es v\u00e9rifi\u00e9es, permettent \u00e9galement de limiter la reproduction de biais.&nbsp;<\/p>\n\n\n\n<p class=\"wp-block-paragraph\">Ainsi, dans le secteur RH, le risque n\u2019est pas seulement de manquer de donn\u00e9es. Le risque est parfois plus subtil : avoir beaucoup de donn\u00e9es, leur faire confiance, et ne pas comprendre ce qu\u2019elles r\u00e9v\u00e8lent.<\/p>\n","protected":false},"excerpt":{"rendered":"<p>Concr\u00e8tement, le probl\u00e8me n\u2019est pas tant la data, mais la confusion entre ce qui est mesurable et ce qui est r\u00e9ellement pertinent. Autrement dit, lorsque l\u2019on transforme un indicateur en v\u00e9rit\u00e9 universelle. En effet, une donn\u00e9e RH peut \u00eatre parfaitement exacte et pourtant conduire \u00e0 une interpr\u00e9tation fausse. Prenons l\u2019exemple du turnover. Une entreprise constate [&hellip;]<\/p>\n","protected":false},"author":98,"featured_media":47511,"comment_status":"open","ping_status":"open","sticky":false,"template":"","format":"standard","meta":{"_acf_changed":false,"rop_custom_images_group":[],"rop_custom_messages_group":[],"rop_publish_now":"yes","rop_publish_now_accounts":[],"rop_publish_now_history":[],"rop_publish_now_status":"pending","_exactmetrics_skip_tracking":false,"footnotes":""},"categories":[12,2],"tags":[],"class_list":["post-47502","post","type-post","status-publish","format-standard","has-post-thumbnail","hentry","category-actualites","category-ressources-humaines"],"acf":[],"yoast_head":"<!-- This site is optimized with the Yoast SEO plugin v28.4 - https:\/\/yoast.com\/product\/yoast-seo-wordpress\/ -->\n<title>Data : quand les chiffres trompent les RH - Le Blog GERESO<\/title>\n<meta name=\"robots\" content=\"index, follow, max-snippet:-1, max-image-preview:large, max-video-preview:-1\" \/>\n<link rel=\"canonical\" href=\"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/\" \/>\n<meta property=\"og:locale\" content=\"fr_FR\" \/>\n<meta property=\"og:type\" content=\"article\" \/>\n<meta property=\"og:title\" content=\"Data : quand les chiffres trompent les RH - Le Blog GERESO\" \/>\n<meta property=\"og:description\" content=\"Concr\u00e8tement, le probl\u00e8me n\u2019est pas tant la data, mais la confusion entre ce qui est mesurable et ce qui est r\u00e9ellement pertinent. Autrement dit, lorsque l\u2019on transforme un indicateur en v\u00e9rit\u00e9 universelle. En effet, une donn\u00e9e RH peut \u00eatre parfaitement exacte et pourtant conduire \u00e0 une interpr\u00e9tation fausse. Prenons l\u2019exemple du turnover. Une entreprise constate [&hellip;]\" \/>\n<meta property=\"og:url\" content=\"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/\" \/>\n<meta property=\"og:site_name\" content=\"Le Blog GERESO\" \/>\n<meta property=\"article:published_time\" content=\"2026-09-24T13:13:59+00:00\" \/>\n<meta property=\"article:modified_time\" content=\"2026-09-24T13:14:01+00:00\" \/>\n<meta property=\"og:image\" content=\"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2026\/09\/data-rh.jpg\" \/>\n\t<meta property=\"og:image:width\" content=\"600\" \/>\n\t<meta property=\"og:image:height\" content=\"400\" \/>\n\t<meta property=\"og:image:type\" content=\"image\/jpeg\" \/>\n<meta name=\"author\" content=\"Audrey Roy\" \/>\n<meta name=\"twitter:card\" content=\"summary_large_image\" \/>\n<script type=\"application\/ld+json\" class=\"yoast-schema-graph\">{\"@context\":\"https:\\\/\\\/schema.org\",\"@graph\":[{\"@type\":\"Article\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#article\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/\"},\"author\":{\"name\":\"Audrey Roy\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/#\\\/schema\\\/person\\\/208a3ead14243626d219041410bac4a9\"},\"headline\":\"Data : quand les chiffres trompent les RH\",\"datePublished\":\"2026-09-24T13:13:59+00:00\",\"dateModified\":\"2026-09-24T13:14:01+00:00\",\"mainEntityOfPage\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/\"},\"wordCount\":1962,\"commentCount\":0,\"image\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/data-rh.jpg\",\"articleSection\":[\"Actualit\u00e9s\",\"Pratiques RH, recrutement, comp\u00e9tences et carri\u00e8res\"],\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"CommentAction\",\"name\":\"Comment\",\"target\":[\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#respond\"]}]},{\"@type\":\"WebPage\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/\",\"url\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/\",\"name\":\"Data : quand les chiffres trompent les RH - Le Blog GERESO\",\"isPartOf\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/#website\"},\"primaryImageOfPage\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#primaryimage\"},\"image\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#primaryimage\"},\"thumbnailUrl\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/data-rh.jpg\",\"datePublished\":\"2026-09-24T13:13:59+00:00\",\"dateModified\":\"2026-09-24T13:14:01+00:00\",\"author\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/#\\\/schema\\\/person\\\/208a3ead14243626d219041410bac4a9\"},\"breadcrumb\":{\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#breadcrumb\"},\"inLanguage\":\"fr-FR\",\"potentialAction\":[{\"@type\":\"ReadAction\",\"target\":[\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/\"]}]},{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#primaryimage\",\"url\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/data-rh.jpg\",\"contentUrl\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/wp-content\\\/uploads\\\/2026\\\/09\\\/data-rh.jpg\",\"width\":600,\"height\":400,\"caption\":\"La data RH \u00e9claire les d\u00e9cisions, \u00e0 condition de ne pas oublier ce que les chiffres ne disent pas.\"},{\"@type\":\"BreadcrumbList\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/2026\\\/09\\\/24\\\/data-chiffres-trompent-rh\\\/#breadcrumb\",\"itemListElement\":[{\"@type\":\"ListItem\",\"position\":1,\"name\":\"Home\",\"item\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/\"},{\"@type\":\"ListItem\",\"position\":2,\"name\":\"Data : quand les chiffres trompent les RH\"}]},{\"@type\":\"WebSite\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/#website\",\"url\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/\",\"name\":\"Le Blog GERESO\",\"description\":\"Toute l&#039;actu RH, Finance, Fonction Publique, Management...\",\"potentialAction\":[{\"@type\":\"SearchAction\",\"target\":{\"@type\":\"EntryPoint\",\"urlTemplate\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/?s={search_term_string}\"},\"query-input\":{\"@type\":\"PropertyValueSpecification\",\"valueRequired\":true,\"valueName\":\"search_term_string\"}}],\"inLanguage\":\"fr-FR\"},{\"@type\":\"Person\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/#\\\/schema\\\/person\\\/208a3ead14243626d219041410bac4a9\",\"name\":\"Audrey Roy\",\"image\":{\"@type\":\"ImageObject\",\"inLanguage\":\"fr-FR\",\"@id\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/wp-content\\\/uploads\\\/2025\\\/04\\\/Audrey-Roy-120x120.jpg\",\"url\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/wp-content\\\/uploads\\\/2025\\\/04\\\/Audrey-Roy-120x120.jpg\",\"contentUrl\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/wp-content\\\/uploads\\\/2025\\\/04\\\/Audrey-Roy-120x120.jpg\",\"caption\":\"Audrey Roy\"},\"description\":\"R\u00e9dactrice juriste, Audrey Roy a \u00e0 c\u0153ur de vous proposer des articles ais\u00e9ment compr\u00e9hensibles sur tous les aspects du droit des entreprises (droit du travail, droit fiscal, droit des soci\u00e9t\u00e9s, gestion des ressources humaines, etc.). Sa motivation\u2009? Que chacun des lecteurs puisse avoir acc\u00e8s \u00e0 des informations juridiques claires et actualis\u00e9es.\",\"url\":\"https:\\\/\\\/www.gereso.com\\\/actualites\\\/author\\\/a-roy\\\/\"}]}<\/script>\n<!-- \/ Yoast SEO plugin. -->","yoast_head_json":{"title":"Data : quand les chiffres trompent les RH - Le Blog GERESO","robots":{"index":"index","follow":"follow","max-snippet":"max-snippet:-1","max-image-preview":"max-image-preview:large","max-video-preview":"max-video-preview:-1"},"canonical":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/","og_locale":"fr_FR","og_type":"article","og_title":"Data : quand les chiffres trompent les RH - Le Blog GERESO","og_description":"Concr\u00e8tement, le probl\u00e8me n\u2019est pas tant la data, mais la confusion entre ce qui est mesurable et ce qui est r\u00e9ellement pertinent. Autrement dit, lorsque l\u2019on transforme un indicateur en v\u00e9rit\u00e9 universelle. En effet, une donn\u00e9e RH peut \u00eatre parfaitement exacte et pourtant conduire \u00e0 une interpr\u00e9tation fausse. Prenons l\u2019exemple du turnover. Une entreprise constate [&hellip;]","og_url":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/","og_site_name":"Le Blog GERESO","article_published_time":"2026-09-24T13:13:59+00:00","article_modified_time":"2026-09-24T13:14:01+00:00","og_image":[{"width":600,"height":400,"url":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2026\/09\/data-rh.jpg","type":"image\/jpeg"}],"author":"Audrey Roy","twitter_card":"summary_large_image","schema":{"@context":"https:\/\/schema.org","@graph":[{"@type":"Article","@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#article","isPartOf":{"@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/"},"author":{"name":"Audrey Roy","@id":"https:\/\/www.gereso.com\/actualites\/#\/schema\/person\/208a3ead14243626d219041410bac4a9"},"headline":"Data : quand les chiffres trompent les RH","datePublished":"2026-09-24T13:13:59+00:00","dateModified":"2026-09-24T13:14:01+00:00","mainEntityOfPage":{"@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/"},"wordCount":1962,"commentCount":0,"image":{"@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#primaryimage"},"thumbnailUrl":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2026\/09\/data-rh.jpg","articleSection":["Actualit\u00e9s","Pratiques RH, recrutement, comp\u00e9tences et carri\u00e8res"],"inLanguage":"fr-FR","potentialAction":[{"@type":"CommentAction","name":"Comment","target":["https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#respond"]}]},{"@type":"WebPage","@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/","url":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/","name":"Data : quand les chiffres trompent les RH - Le Blog GERESO","isPartOf":{"@id":"https:\/\/www.gereso.com\/actualites\/#website"},"primaryImageOfPage":{"@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#primaryimage"},"image":{"@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#primaryimage"},"thumbnailUrl":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2026\/09\/data-rh.jpg","datePublished":"2026-09-24T13:13:59+00:00","dateModified":"2026-09-24T13:14:01+00:00","author":{"@id":"https:\/\/www.gereso.com\/actualites\/#\/schema\/person\/208a3ead14243626d219041410bac4a9"},"breadcrumb":{"@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#breadcrumb"},"inLanguage":"fr-FR","potentialAction":[{"@type":"ReadAction","target":["https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/"]}]},{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#primaryimage","url":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2026\/09\/data-rh.jpg","contentUrl":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2026\/09\/data-rh.jpg","width":600,"height":400,"caption":"La data RH \u00e9claire les d\u00e9cisions, \u00e0 condition de ne pas oublier ce que les chiffres ne disent pas."},{"@type":"BreadcrumbList","@id":"https:\/\/www.gereso.com\/actualites\/2026\/09\/24\/data-chiffres-trompent-rh\/#breadcrumb","itemListElement":[{"@type":"ListItem","position":1,"name":"Home","item":"https:\/\/www.gereso.com\/actualites\/"},{"@type":"ListItem","position":2,"name":"Data : quand les chiffres trompent les RH"}]},{"@type":"WebSite","@id":"https:\/\/www.gereso.com\/actualites\/#website","url":"https:\/\/www.gereso.com\/actualites\/","name":"Le Blog GERESO","description":"Toute l&#039;actu RH, Finance, Fonction Publique, Management...","potentialAction":[{"@type":"SearchAction","target":{"@type":"EntryPoint","urlTemplate":"https:\/\/www.gereso.com\/actualites\/?s={search_term_string}"},"query-input":{"@type":"PropertyValueSpecification","valueRequired":true,"valueName":"search_term_string"}}],"inLanguage":"fr-FR"},{"@type":"Person","@id":"https:\/\/www.gereso.com\/actualites\/#\/schema\/person\/208a3ead14243626d219041410bac4a9","name":"Audrey Roy","image":{"@type":"ImageObject","inLanguage":"fr-FR","@id":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2025\/04\/Audrey-Roy-120x120.jpg","url":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2025\/04\/Audrey-Roy-120x120.jpg","contentUrl":"https:\/\/www.gereso.com\/actualites\/wp-content\/uploads\/2025\/04\/Audrey-Roy-120x120.jpg","caption":"Audrey Roy"},"description":"R\u00e9dactrice juriste, Audrey Roy a \u00e0 c\u0153ur de vous proposer des articles ais\u00e9ment compr\u00e9hensibles sur tous les aspects du droit des entreprises (droit du travail, droit fiscal, droit des soci\u00e9t\u00e9s, gestion des ressources humaines, etc.). Sa motivation\u2009? Que chacun des lecteurs puisse avoir acc\u00e8s \u00e0 des informations juridiques claires et actualis\u00e9es.","url":"https:\/\/www.gereso.com\/actualites\/author\/a-roy\/"}]}},"_links":{"self":[{"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/posts\/47502","targetHints":{"allow":["GET"]}}],"collection":[{"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/posts"}],"about":[{"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/types\/post"}],"author":[{"embeddable":true,"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/users\/98"}],"replies":[{"embeddable":true,"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/comments?post=47502"}],"version-history":[{"count":7,"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/posts\/47502\/revisions"}],"predecessor-version":[{"id":47510,"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/posts\/47502\/revisions\/47510"}],"wp:featuredmedia":[{"embeddable":true,"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/media\/47511"}],"wp:attachment":[{"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/media?parent=47502"}],"wp:term":[{"taxonomy":"category","embeddable":true,"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/categories?post=47502"},{"taxonomy":"post_tag","embeddable":true,"href":"https:\/\/www.gereso.com\/actualites\/wp-json\/wp\/v2\/tags?post=47502"}],"curies":[{"name":"wp","href":"https:\/\/api.w.org\/{rel}","templated":true}]}}