Ce que les directions RH demandent avant de se lancer

Non. Ce n'est pas de l'IA au sens ChatGPT ou deep learning : un réseau bayésien est un modèle probabiliste explicite, où chaque facteur, chaque relation d'influence et chaque probabilité est visible, documenté, discuté et discutable.

Vous pouvez explorer le modèle, examiner chaque hypothèse et la modifier. C'est l'inverse d'une boîte noire : un outil de raisonnement transparent qui rend lisible comment les variables interagissent et contribuent à un phénomène complexe — turnover, burn-out, engagement — pour structurer votre décision plutôt que la remplacer.

Distinction fondamentale. La structure du modèle encode des hypothèses d'influence issues de la littérature scientifique, pas des causalités démontrées expérimentalement dans votre organisation. Les simulations raisonnent sur des leviers probables, et chaque restitution distingue explicitement ce que vos données montrent de ce qu'une action produirait.

Un prestataire qui vous promet des effets garantis surinterprète ses propres modèles. Ici, cette limite est posée clairement — c'est une condition de l'honnêteté du résultat.

Un tableau de bord mesure chaque indicateur séparément et constate les mouvements. Le modèle relie ces indicateurs dans un même système : il montre quels facteurs contribuent le plus, lesquels s'influencent et dans quelles proportions, puis permet de comparer des scénarios. C'est un complément de vos outils et un support pour votre expertise.

Un cabinet apporte une lecture humaine et des grilles d'analyse éprouvées — une valeur que la modélisation ne remplace pas. Noumensia ajoute un livrable interactif plutôt qu'un rapport statique, accessible aux non-experts : votre système décisionnel rendu navigable et quantifié, que vous pouvez interroger vous-même à tout instant.

Les deux approches se combinent bien : Noumensia travaille aussi avec des cabinets qui souhaitent enrichir leurs diagnostics d'une dimension quantitative.

Un modèle de machine learning classique (random forest, régression, réseau de neurones) apprend des corrélations dans vos données historiques pour prédire un résultat. Il est puissant quand vos données sont massives, propres et représentatives — et opaque quand il s'agit d'expliquer pourquoi.

Un réseau bayésien fait l'inverse : il expose la structure d'influence, intègre la connaissance experte et scientifique là où les données manquent, et permet de simuler des interventions (« que se passe-t-il si je change X ? ») plutôt que de seulement prédire. Les deux approches se combinent, mais pour une décision RH engageante, la transparence et la capacité de raisonnement contrefactuel comptent souvent plus que la performance brute de prédiction.

Oui. La structure de chaque modèle s'appuie sur des cadres et méta-analyses publiés — turnover, présentéisme, risques psychosociaux, engagement — cités sur la page Méthode. Le formalisme bayésien lui-même est établi depuis Bayes (1763) et outillé pour les réseaux causaux depuis les travaux de Judea Pearl. Les hypothèses retenues sont documentées et ouvertes à la discussion.

Extraits SIRH, baromètres internes et enquêtes existantes suffisent généralement à démarrer — un audit rapide en début de projet fait l'inventaire de votre patrimoine de données.

La modélisation bayésienne est justement adaptée aux situations où les données sont limitées, hétérogènes ou de qualité inégale : quand vos données internes sont insuffisantes, les paramètres issus de la littérature scientifique gardent le modèle opérationnel, là où un modèle statistique classique serait bloqué. La part respective de vos données et de la littérature est explicitée, jamais masquée.

Elles restent chez vous. Le travail porte sur des extraits agrégés et anonymisés. Aucun transfert hors UE, aucune sous-traitance sans validation explicite de votre part.

Le traitement respecte le RGPD, encadré par un accord de traitement (DPA) précisant durée, finalité, sécurité et sous-traitants éventuels, ainsi que par un accord de confidentialité signé dès la première réunion. En fin de mission, les données brutes sont supprimées ; seul le modèle probabiliste vous est remis.

Tout commence par un entretien de cadrage, sans engagement. La modélisation prend ensuite typiquement 4 à 8 semaines, selon la disponibilité des données et le périmètre retenu.

Trois choses :

• un simulateur interactif de votre modèle, accessible via navigateur (privé ou public) ou intégrable à vos outils internes via API ;
• la documentation complète du modèle — structure du graphe, tables de probabilité conditionnelle, sources scientifiques mobilisées, hypothèses retenues ;
• une restitution commentée, conçue pour être présentée en comité de direction ou en CSE.

Non. L'expertise réside dans la traduction de votre question métier en modèle graphique probabiliste — c'est mon travail. Une fois livré, l'outil s'utilise sans compétence en statistiques : en manipulant les variables via une interface visuelle, vous observez comment les probabilités se propagent et comment l'incertitude évolue à mesure que vous intégrez de nouvelles informations.

La démarche commence volontairement par un périmètre resserré, choisi pour démontrer la valeur avant d'élargir. La qualité d'un modèle dépend des données et des hypothèses retenues : cette dépendance est posée dès le cadrage, pas découverte à la fin. C'est aussi pourquoi la première étape est sans engagement.

La restitution est conçue pour être partagée avec le CSE, hypothèses comprises. Le travail porte sur des données agrégées — jamais nominatives — et la transparence intégrale du modèle en fait un support de dialogue social plutôt qu'un objet de méfiance. Une présentation dédiée aux représentants du personnel peut être intégrée au livrable final sur demande.

Arthur Jouffe, consultant indépendant. Format volontairement resserré : vous avez en face de vous la personne qui conçoit et livre le modèle, sans couche d'intermédiaires. Le parcours, l'approche et ce que Noumensia est — et n'est pas — sont détaillés sur la page À propos.

Tout phénomène RH multi-factoriel se prête à la modélisation bayésienne : mobilité interne, absentéisme, engagement, effectivité des dispositifs de formation, égalité femmes/hommes, adhésion à un projet de transformation, attrition ciblée sur des populations critiques.

Le prérequis n'est pas le sujet lui-même, mais la présence d'un enjeu de décision où plusieurs variables interagissent et où l'incertitude est réelle.

Le modèle vous est remis avec sa documentation ; vous pouvez l'exploiter en autonomie, sans engagement de suite. Deux formules complémentaires sont proposées selon vos besoins :

• une session de formation à l'usage du simulateur pour vos équipes ;
• une mission de maintenance et de mise à jour périodique (typiquement annuelle) pour intégrer vos nouvelles données ou faire évoluer la structure du modèle.

Vous recevez une licence d'usage perpétuelle et non-exclusive sur le modèle livré : droit d'utilisation illimité pour vos besoins internes, sans limite de durée, transmissible aux équipes concernées.

La calibration réalisée sur vos données vous est exclusive et ne sera jamais réutilisée pour un tiers. Je conserve la propriété intellectuelle des briques méthodologiques génériques — cadres théoriques, structures-types de graphe — que je remobilise sur d'autres missions sans jamais transférer vos données ni votre modèle spécifique. Ce cadre est précisé au contrat.

Oui, comme tout modèle décisionnel. Le rythme recommandé est une revue annuelle ou semestrielle selon votre secteur : intégration de vos nouvelles données, recalibration des paramètres et, si votre contexte a changé significativement (fusion, réorganisation, évolution du marché du travail, nouveaux dispositifs internes), révision ciblée de la structure du graphe.

Cette revue est proposée sous forme de forfait dédié, dimensionné selon l'ampleur des évolutions à intégrer. Entre deux revues, le modèle reste pleinement exploitable en l'état — la révision n'est pas un correctif, c'est un rafraîchissement pour maintenir la finesse d'analyse.

Le chiffrage dépend du périmètre, de la complexité du sujet et de la qualité des données disponibles. À titre indicatif, une mission de cadrage et de modélisation démarre à partir de 5 000 € HT.

Le chiffrage précis se définit lors de l'entretien de cadrage, qui est offert et sans engagement — l'occasion aussi de vérifier que l'approche est pertinente pour votre besoin avant tout engagement financier.