Comment l'IA change l'équation de la Skills-Based Organization
Démarrage à froid, matching, écarts de compétences, gouvernance : ce que l'IA change pour la SBO, et ce que BPCE ou Schneider ont démontré.
L'IA ne dissout pas à elle seule les freins culturels qui expliquent l'essoufflement de tant de démarches compétences : l'adhésion managériale et la confiance des collaborateurs se construisent par l'accompagnement. Mais elle lève l'un des freins les plus documentés : la durée et le coût du travail de cartographie, qui épuisaient la plupart des initiatives avant le moindre résultat visible.
Pourquoi la SBO était longue et coûteuse
Une Skills-Based Organization reposait jusqu’ici sur un travail manuel considérable : cartographier les compétences de chaque collaborateur, construire une taxonomie exhaustive, puis maintenir cette donnée à jour. Selon une analyse consacrée au sujet, 34 % de l’impact des transformations RH actuelles est désormais attribué à l’IA, devant la digitalisation au sens large. Pour une direction RH qui hésite sur le niveau de priorité, ce chiffre situe l’enjeu : l’IA est l’un des principaux leviers de transformation identifiés à ce jour.
Résoudre le problème du démarrage à froid
Les profils auto-déclarés sont structurellement incomplets. L’IA peut désormais déduire les compétences probables d’un collaborateur à partir des données existantes : historique de postes, projets, formulations des évaluations de performance, formations suivies. Une base crédible se construit ainsi sur tout l’effectif avant même qu’un seul profil ait été rempli, ce qui bloquait hier la plupart des initiatives dans leurs premiers mois.
Plusieurs plateformes de skills intelligence revendiquent en 2026 cette capacité à cartographier une organisation en quelques semaines, puis à enrichir la donnée par les collaborateurs sur une base volontaire, avec une validation des managers quand c’est nécessaire. C’est le principe d’une cartographie des compétences vivante et d’un référentiel dynamique.
Accélérer le matching et anticiper les besoins
Lorsqu’un projet requiert une combinaison précise de compétences, un moteur de matching fait remonter en quelques secondes les collaborateurs pertinents, y compris des profils qu’aucun organigramme n’aurait suggérés. C’est le cœur d’une talent marketplace : staffer un projet transverse sans attendre qu’un manager pense à un collègue d’une autre équipe.
L’IA analyse aussi les portefeuilles de compétences à grande échelle, détecte les écarts face à la stratégie, recommande des parcours de formation ciblés et projette les besoins futurs. Une analyse des tendances SIRH publiée en 2026 mesure la généralisation de ces fonctions : 70,5 % des éditeurs intègrent une planification intelligente tenant compte des disponibilités et des compétences, et 71,4 % analysent automatiquement les écarts de compétences pour recommander des parcours personnalisés. Le plan de développement des compétences cesse alors d’être reconduit d’année en année.
Une gouvernance de la donnée qui ne se négocie pas
Les meilleurs outils harmonisent des données hétérogènes pour créer une source de vérité unique, exploitable par la DRH, les managers et la direction générale. Cette puissance appelle une vigilance claire : un moteur de matching ne connaît d’un collaborateur que ce que le SIRH permet d’en déduire. Il ignore ses aspirations, ses contraintes personnelles ou son souhait de ne pas évoluer vers tel type de mission.
Ce que les précurseurs ont démontré
| Organisation | Démarche | Résultat |
|---|---|---|
| BPCE et Natixis (35 000 collaborateurs) | Pilote sur l’informatique, puis extension au groupe | Plus d’un poste sur deux pourvu en interne contre un sur quatre ; la moitié des compétences réallouées en interne contre 10 % |
| Standard Chartered | Reskilling des métiers en déclin vers les métiers d’avenir | Redéploiement interne, recrutements externes évités |
| Schneider Electric (plus de 120 000 collaborateurs) | Place de marché interne des talents pilotée par l’IA | Score de recommandation des candidats internes en hausse de plus de 25 points |
| Unilever | Suppression des exigences de diplôme à l’entrée | Vivier plus diversifié, performance des recrues au moins équivalente |
| Rolls-Royce | Modèle fondé sur les compétences | Profils de production et maintenance orientés vers l’ingénierie |
| IBM | Référentiel détaillé et place de marché interne | Affectation aux missions repensée en profondeur |
Le point commun de ces démarches tient à la méthode : un périmètre pilote resserré, co-construit avec les métiers, puis étendu une fois la valeur démontrée. C’est cette méthode, rendue plus rapide par l’IA, qui s’ouvre désormais aux ETI, comme le décrit notre feuille de route SBO en ETI.
Le problème reste le même, son coût a changé
Identifier et mobiliser les bonnes compétences au bon moment : la nature du problème n’a pas bougé. Son coût, si. Là où une taxonomie mobilisait plusieurs mois de travail manuel et l’appui d’un cabinet, un outil nativement pensé pour l’IA produit une première cartographie exploitable en quelques semaines, à partir des données du SIRH. Cette différence rend le modèle accessible à une organisation de quelques centaines de collaborateurs, sans équipe data dédiée. Reste à traiter les freins culturels, que la technologie seule ne lève pas.
Pour aller plus loin, téléchargez notre guide Comment l’IA révolutionne la gestion des talents.
À lire ensuite
Ces solutions Teedia peuvent aussi vous intéresser
- Logiciel de Talent Marketplace et mobilité interne Révélez les opportunités internes et fidélisez vos talents : matching IA, parcours de mobilité et plans de développement. Pour ETI et grands groupes. Découvrir →
- Cartographie des compétences : la construire et la faire vivre Cartographie des compétences : définition, méthode en 4 étapes, exemple d'un site industriel et lectures utiles pour la GEPP, la mobilité et la formation. Découvrir →