Soutenance mémoire
L’EQUIPE INTERVENANTE
Présentation de l’équipe
Pour pratiquer et développer son activité, TransfoRH s’est doté du savoir-faire de deux jeunes informaticiens, Matthieu et Gabriel, diplômés du Master de recherche ATAL (Apprentissage et Traitement Automatique de la Langue ) de l’Université de Nantes (UFR « sciences et techniques »). Matthieu, se consacre à l’administration de la plateforme, au nettoyage des données et au traitement algorithmique des verbatim par Text Mining. Gabriel, quant à lui, était plus largement mobilisé sur le traitement statistique des données numériques issues des questions fermées, il était arrivé deux semaines avant mon entrée dans la start-up et l’a quittée, en même temps que l’informatique, environ un mois avant la fin de mon stage, sans que ce choix soit motivé par un événement interne à TransfoRH. Ces deux informaticiens et le dirigeant lui-même ont chacun participé à la construction des algorithmes, qui sont sans cesse retravaillés et améliorés.
Lors de mon entretien de stage, j’avais fait la connaissance d’un étudiant stagiaire, Erwan, venu de l’Université technologique de Compiègne, lui-même informaticien et présenté comme « développeur Full stack » . Il avait en charge le développement de l’interface censée générer les tableaux de bord dans le « logiciel de conduite de changement ». Il avait quitté l’entreprise peu de temps avant mon arrivée et avait été replacé dans une autre structure avant la fin de son stage à l’aide de Monsieur Nicolik. Son poste n’a pas véritablement été remplacé puisque la construction du logiciel informatique a été suspendue, ou reportée. L’équipe compte également Mathilde, designer graphiste, arrivée chez TransfoRH pour réaliser la fin de son BTS en alternance à l’Ecole de Design, qu’elle a obtenu en fin d’année scolaire 2017. Elle est chargée de réaliser et de mettre en forme la plupart des contenus produits par l’entreprise, que ce soit en interne (Site internet, plaquette de présentation, proposition commerciale…), ou des produits vendus en externe (guide d’accompagnement pour l’utilisation de la plateforme logiciel, tutoriels vidéo, infographies,réalisation de supports de communication pour la restitution des études et les phases de « reporting » …). Elle est aujourd’hui embauchée en CDI dans la structure et possède également le poste de « community manager », elle s’occupe de la partie « web marketing », qui consiste majoritairement à promotionner l’image de la start-up sur les sites internet et sur les réseaux sociaux.
Manon, psychosociologue stagiaire, était également intégrée à l’équipe pour une période de deux mois. Elle s’est occupée de l’analyse de discours du questionnaire, soit l’analyse des biais cognitifs des questions, et a construit une grille d’analyse de ces biais qui nous a servi pour le reste des études auxquelles j’ai participé le reste de ma période de stage. Elle a également participé à une étude prospective visant à stabiliser le sens de la notion de « Qualité de vie au travail » et a construitune sorte de questionnaire-type sur ce thème.
Je rencontrerai également Henry, un sociologue à la fois enseignant et consultant sénior spécialisé sur les questions managériales et la notion de « conduite du changement ». Il s’agit davantage d’un intervenant ponctuel dans la plupart des études portées par TransfoRH. Dans les propositions commerciales, il est présenté dans l’équipe intervenante à de multiple reprises et interviendra sur lepremier dossier sur lequel j’ai travaillé. Enfin, le directeur nous a mobilisé en fin de stage pour la sélection d’un nouvel alternant commençant un BTS en marketing-commerce, à Nantes.
Gestion et organisation de l’équipe : une forme de contrôle paradoxal
Les modes de contrôle que l’on retrouve dans la start-up sont essentiellement horizontaux et sont relativement typiques des nouvelles formes d’organisation que l’on peut retrouver dans le champs informatique . Le dirigeant a tendance à privilégier un encadrement indirect, plutôt axé sur le contrôle par les pairs et l’« autonomie collective » , plutôt que sur la poursuite d’objectifs individualisés et la mise en concurrence. Il s’agit d’un modèle plutôt coercitif, basé sur le contrôle par le client par rapport aux résultats attendus. On suppose que la socialisation professionnelle du dirigeant a joué un rôle central dans la valorisation de ce mode de fonctionnement (voir encadré 2).
Mais en même temps, il y a toujours une forte centralité des décisions par celui-ci. Pour cela, il use de la « technique de la confiance »: « La notion de confiance définit la relation salariale dans les deux sens. Il s’agit d’abord de la confiance accordée par l’employeur au travers de la rétrocession d’une parcelle de son pouvoir, d’une délégation d’autorité. Et de la confiance dont l’employeur bénéficie en retour de la part de l’employé, et qui se traduit par sa loyauté ainsi que des formes d’implication spécifiques dans le travail. »
Pour cela, il crée les conditions de l’interaction, en aménageant des temps informels avec chacun, en ayant recours au tutoiement et à la valorisation systématique du travail des employés, autant devant le client, qu’auprès de l’équipe, ce qui a tendance à renforcer l’engagement et les mécanismes d’autocontrôle. Il va également recourir aux valeurs portées par l’entreprise, encore nommée le « contrôle comportemental » . J’en fis l’expérience lors de mes premiers jours de stage, notamment après un épisode au cours duquel j’avais quitté le travail alors que notre commanditaire attendait un premier livrable, la première version d’un document que je n’avais pas réussi à réaliser à ce moment-ci (cf partie II). J’étais alors la dernière arrivée dans l’équipe : « Aujourd’hui, nous avons eu une réunion d’1h15 où Simon nous a parlé valeurs et culture.
Nos valeurs sont « l’excellence, la qualité et l’innovation ». J’ai l’impression que la majeure partie de la réunion m’était particulièrement destinée (…) Gabriel m’a dit de manière assez ironique au self : « ça va, tu t’es pas trop sentie visée ce matin en réunion ? » (Notes de terrain, 20 février 2017, Réunion d’équipe).
Ce que « font » les algorithmes et ce qu’ils ne « font pas »
La vocation du Text mining : Sélectionner, catégoriser et hiérarchiser l’information
« Un algorithme est une série d’instructions permettant d’obtenir un résultat. A très grande vitesse, il opère un ensemble de calculs à partir de gigantesques masses de données (les Big data). Il hiérarchise l’information, devine ce qui nous intéresse, sélectionne les biens que nous préférons et s’efforce de nous suppléer dans de nombreuses tâches ».
Le travail réalisé sur le contenu qualitatif recueilli par TransfoRH lors de la passation d’un questionnaire possède donc deux phases : la sélection de données, qui sont ici des « communautés de mots », plus largement nommées « clusters » ; la classification et la hiérarchisation de ces données : seuls les termes les « plus importants », ceux qui reviennent le plus de fois, sont sélectionnés et regroupés en « communauté de mots » en fonction du nombre de fois où ils apparaissent ensemble dans le texte, où ils sont liés. Le logiciel peut générer des graphes où sont affichés tous les termes et leurs liaisons. Plus les mots ont été cités, plus la taille de police est grande, plus ils sont « liés », plus les liens matérialisés par des traits sont épais. Cela signifie qu’ils sont proches les uns des autres. Les regroupements sont triés et représentés dans l’espace du graphe et chaque « cluster » est différencié par une couleur qui lui est propre. Ces liaisons sont davantage traduites en termes de proximité spatiale et les principes de regroupement statistique intégrés dans l’algorithme sont basés sur des modèles simplifiés de théories linguistiques.
L’hypothèse sous-jacente est que des mots liés entre eux sont corrélés, que les communautés de mots représentent la plupart des idées évoquées dans l’ensemble du texte, et donc par la plupart des répondants. Avant d’opérer ce travail de sélection et de catégorisation, les algorithmes vont regrouper tous les mots issus d’une même famille lexicale pour les réduire à un (ou plusieurs) lemme(s) , selon la règle qu’on lui a fixée. Le travail des algorithmiques développés par TransfoRH consiste à sélectionner les termes les plus importants, car les plus souvent cités, et ceux qui sont le plus souvent associés entre eux pour les regrouper. Il formera ainsi jusqu’à 10 « communautés de mots » (du moins d’après notre expérience) pour une question. Ces algorithmes sont en mesure de hiérarchiser les groupes de mots en leur attribuant un « poids », défini à partir de la somme du nombre d’occurrences de chaque terme. Ainsi, plus un « cluster » a de mots plus il a de chance d’avoir un « poids » important et d’être représentatif du discours des répondants. Pour illustrer nos propos et mieux comprendre l’intégration du travail algorithmique dans la pratique intervenante, nous proposons de prendre l’exemple d’un travail réalisé par Pascal Marchand et Pierre Martineau sur l’identité nationale en France , à partir d’un sondage mené par un institut de sondages qui proposait à des internautes de répondre à la question « Qu’est-ce qu’être Français aujourd’hui ? ».
Les deux chercheurs ont utilisé un logiciel de Text mining pour analyser le contenu des 18 240 contributions collectées et mises à disposition par le cabinet de sondage. Le traitement algorithmique a fait ressortir sept « communauté de mots », qui ont été représentées sur un graphe,a posteriori:
La valeur sociale du traitement algorithmique : entre invisibilisation et valorisation du rôle de sociologue intervenant
L’avantage de la question ouverte, et surtout de la multiplication des questions ouvertes, c’est qu’elle permet d’obtenir beaucoup de contenu qualitatif sans passer par la phase d’entretien et surtout le travail de retranscription. Elle donne accès à une forme de savoir plus massive et directe (surtout pour le commanditaire), et un niveau de détails que les modalités fermées peuvent avoir du mal à atteindre, surtout sans le croisement statistique des données. Les algorithmes, quant à eux, font une partie du travail de sociologue en catégorisant automatiquement la quasi-totalité du texte quand celui-ci avait l’habitude de le faire à la main.
Dans cette conception des choses, « la machine » permet de prendre en charge le « sale boulot » du sociologue, dans le sens où il s’agit du moins socialement valorisé, du plus fastidieux, du plus répétitif et souvent du plus « coûteux » temporellement. Le « sale boulot » est moins la passation d’entretien en tant que telle que le travail de retranscription, de lecture et de relecture des entretiens et la catégorisation « manuelle » des idées ou thématiques présentes dans l’ensemble des réponses, surtout quand celui représente des milliers de pages Word. Il s’agit finalement du travail empirique, celui qui précède le travail plus socialement valorisé de conceptualisation et de production de connaissances lié au renforcement des connaissances théoriques par la lecture de revue scientifique ou la participation à un colloque par exemple, soit l’enrichissement du capital culturel de l’intervenant.
Il s’agirait d’accélérer le passage entre le « savoir profane » et le « savoir savant », de réduire ainsi la contrainte temporelle qui pèse sur celui-ci, tout en élevant le niveau intellectuel des prestations vendues. En ce sens, il devient un atout en termes de « performance économique », d’efficacité et de légitimation, car il permet également de justifier le coût d’une intervention.
Ainsi, la méthode de TransfoRH a tous les avantages apparents du qualitatif et du quantitatif car les algorithmiques permettent de faire de la statistique à partir d’un contenu qualitatif, de mettre de « l’objectif » sur du « subjectif ». Elle donne des gages de scientificité et permet la création d’indicateurs dont on peut suivre la progression. La construction des baromètres « permet de mesurer des choses qui n’étaient pas mesurables » , notamment des représentations concernant des notions aussi abstraites que la « fierté », « l’engagement », « la motivation », etc. La mobilisation de la sociologie permet d’objectiver ces notions, quand le traitement informatique calculera les occurrences des termes afin de catégoriser les idées qui y sont associées : la sociologie « donne du sens » et l’informatique « rend mesurable ». Ils ont la particularité de légitimer , notamment en termes d’attendus « opérationnels ». Le calcul est symbole de neutralité, alors que c’est précisément ce processus de transformation de ces notions en indicateurs mesurables qui auront un effet performatif : « En « photographiant » le monde, elles (les statistiques) donnaient aux hommes de pouvoir des outils pour évaluer, choisir et faire agir » . Les statistiques sont autant des « instruments de connaissance » que des « instruments politiques ». En ce sens, nous avons pu observer dans une proposition commerciale, ou même sur le site de la structure, que le traitement algorithmique est fortement valorisé et mis en valeur. Dans la proposition commerciale, le « chargé d’études en sociologie » est relégué à un rôle de « contrôleur » pour le « contrôle de conformité » des résultats. Cela a tendance à minimiser son intervention dans l’exercice de compréhension des résultats sortant du traitement par ordinateur. Cette présentation maintient en quelque sorte le mythe de la « machine intelligente » capable de trouver le sens des réponses, qu’elle comprend, et que l’intervenant n’a plus qu’à surveiller, vérifier. Ainsi, ce n’est pas un hasard si son dirigeant parlera davantage de Machine learning que de Text mining pour qualifier cette méthode de traitement. La « machine » renvoie symboliquement à la précision, la scientificité et l’efficacité, ce qu’on pourrait opposer à l’humain et à sa subjectivité, son caractère aléatoire, peu maîtrisable… « Learning », « apprentissage », se confond assez facilement avec l’idée de compréhension. Ce sont des idées plus « séduisantes » et « impressionnantes » que celles associées à « l’extraction de texte », même si celle-ci est davantage conforme à la méthode utilisée aujourd’hui.
Le terme « Machine learning » évoque davantage la modernité, l’innovation, le changement. Ces attributs soutiennent l’image développée par TransfoRH. Ils sont particulièrement convoités par les entreprises traditionnelles et notamment les bureaucraties, qui sont les clients privilégiés de la startup. Le travail des algorithmes a un côté « mystique » et « mystérieux », notamment du fait, que bien souvent, même leurs concepteurs n’ont pas le détail sur la manière dont la machine a opéré telle ou telle catégorisation, telle ou telle hypothèse … Cette image « mystérieuse » provient donc d’un travail qui parait invisible mais aussi de la « puissance » que les machines représentent. En effet, celles-ci sont capables de réaliser en quelques secondes, ou quelques minutes, ce qu’un homme ferait en quelques jours, semaines ou mois, compte-tenu de la masse d’informations à récolter, étudier, sélectionner, traiter… Ainsi, nous supposons que ceux qui la maîtrise jouissent d’une forme de prestige sociale dans le sens où bien souvent, le travailleur est associé aux objets qu’ils manipulent et à la valeur symbolique dont ils sont les porteurs. Pour cela, il faut pouvoir « montrer la puissance », mais surtout montrer qu’TransfoRH en a la maîtrise. C’est ce que réalise le fondateur au travers du langage employé dans certaines propositions commerciales, qui a, nous l’imaginons, d’autant plus d’effets que la terminologie utilisée est éloignée du « langage profane » et peu compréhensible auprès des publics non avertis (cela entretient en même temps le « mystère »). On retrouve également ces intentions dans l’imagerie utilisée par TransfoRH, empruntant parfois ses codes à la science-fiction et aura pour intention de « faire rêver le client », de l’attirer chez la startup.
Elle renvoie également à la notion de « Big Data » et donc au recueil et au traitement d’une quantité de données impressionnante. C’est un argument commercial particulièrement efficace dans le contexte de la société de l’information . Cette « mise en valeur » s’exprime dans la pratique intervenante de TransfoRH, qui prendra le soin de présenter les graphes issus de l’analyse sémantique dans les rapports de restitution. Ils ont l’avantage de « montrer » la complexité, de valoriser le travail de Matthieu, de TransfoRH et le positionnement scientifique de la start-up. Il s’agit d’appuyer son appartenance à l’univers académique, et en même temps, de renforcer sa valeur commerciale sur le marché économique. Il s’agit du point que nous abordons dans la partie qui va suivre.
Le contexte de la commande : enjeux décrits, enjeux cachés et acteurs de l’étude
Le 1 er février 2017, lors de mon premier jour à TransfoRH, ma première mission fut de lire la « proposition commerciale », plus souvent nommée sous l’abréviation « propale », faite par Monsieur Nicolik en réponse à un appel d’offre pour un marché public. Elle me fut présentée par mon tuteur de stage comme le premier élément de cadrage de cette étude. J’ai eu accès aux « cahiers des clauses particulières » de l’appel d’offre après ce travail, sur demande auprès de mon maître de stage. Cette demande avait autant pour objectif de mieux cerner la commande, même si le document se révéla plutôt lacunaire à ce propos, et de commencer à recueillir du matériau pour ce mémoire. C’est à partir de ces deux documents que j’exposerai ici la nature de la commande telle qu’elle a été présentée par l’institution d’une part, puis telle qu’elle a été retraduite par Monsieur Nicolik, d’autre part. J’ai donc pris connaissance de ces éléments en même temps que le démarrage officiel de l’étude. Je n’ai pas pu observer ou participer à la procédure d’appel d’offre, ni aux conditions de celle-ci car je n’avais pas encore intégré la structure de stage à ce moment.
Cette étude portait sur la réalisation d’un « baromètre social », elle consistait à mesurer l’état du « climat social » dans l’entreprise. Aucun axe spécifique à interroger n’était fixé en amont, ce soinétant laissé au titulaire de l’étude, en même temps que l’outillage méthodologique et technique à construire. Les objectifs du baromètre étaient détaillés comme suite : « générer la mobilisation et l’engagement », « hiérarchiser les sujets », « repérer les situations complexes » et « mesurer le climat de travail des équipes » en « donnant la parole aux collaborateurs ». Ils étaient liés au projet d’élaboration de la stratégie RSE (Responsabilité Sociale de l’Entreprise) en cours de formalisation et aux négociations prévues avec les partenaires sociaux concernant le renouvellement d’un accord sur la prévention des Risques Psychosociaux (RPS). Une étude interne avait déjà été produite et de nombreux indicateurs avaient été construits sans que n’aient été exploités.
Le premier scénario : la « proposition commerciale » ou la première retraduction de la demande
Cette « proposition commerciale » composée de soixante-neuf pages, et rédigée par Monsieur Nicolik, comportait trois parties. Dans la première, nous pouvions retrouver une brève définition de l’entreprise et de sa philosophie, puis la définition de la notion de « feedback collaborateurs » et de la méthodologie employée, notamment des éléments de description scientifique sur le traitement informatique des questions ouvertes. Puis, une présentation du baromètre social tel qu’il pouvait être construit, il s’agissait d’exemples, de modèles de « tableaux de bord » que la société pouvait produire, et d’exemples de questionnaires. On y retrouvait également un point sur la gestion de la confidentialité et sur la mise en valeur graphique de l’étude, et enfin, la liste des partenaires académiques et institutionnels ayant apporté leur soutien à la start-up. La seconde partie était présentait l’entreprise TransfoRH sur 6 pages (genèse, historique, présentation des clients).
|
Table des matières
REMERCIEMENTS
INTRODUCTION
CHAPITRE 1 : EMINOVE : UNE STRUCTURE HYBRIDE AU POSITIONNEMENT AMIGU ?
• Présentation de la start-up
• La posture intervenante d’Eminove
• Une immersion dans le terrain à double entrée
• La gestion d’une double identité
I/ Présentation de la tructure : un «business model» évolutif
• Genèse : du logiciel de «conduite de changement» à la structure de conseil innovante
• L’équipe innovante
• Encadré 2 : Portrait du fondateur d’Eminove
II/ L’usage du traitement algorithmique : entre visibilité et insibilité
Ce que «font» les algorithmes et ce qu’ils ne «font pas»
• La vocation de Text mining : Sélectionner, catégoriser et hiérarchiser l’information
• Redonner du «sens» au contenu
• La valeur sociale du traitement algorithmique : entre invisibilisation et valorisation du rôle
de sociologue intervenant
III/ Eminove : un modèle en tension entre la reconnaissance par le client et
par les pairs
• Une structure à la frontière entre espace économique et académique
• Les rapports contradictoires et solidaires entre le «savoir» et le «pouvoir»
L’usage du design : un outils au service du savoir ou du pouvoir ?
• «L’éthique» : un critère de distinction prédominant
CHAPITRE 2 : MA POSTURE AU SEIN D’EMINOVE : L’EMBRASSEMENT DE PLUSIEURS RÔLES, L’IMBRICATION DE PLUSIEURS MONDES
Présentation de la commande et des divers partenaires relationnels
• Le contexte de la commande : enjeux décrits, enjeux cachés et acteurs de l’étude
• Le premier scénario : la «proposition commerciale» ou la première retraduction de la demande
• L’entrée en scène : rencontre avec le commanditaire de l’étude
La «dramatisation de l’activité» comme composante du rôle d’intervenante et rupture avec le rôle d’étudiante stagiaire
• Les accessoires de la mise en scène : des outils à la fois gestionnaires et symboliques
• L’affirmation d’un rôle et la matérialisation d’une relation : la rédaction du plan projet
• Réussir sa prestation : les processus de restitution
L’interprétation des rôles et des mondes : un sentiment de perte de repères
• L’intrusion du monde l’entreprise dans le monde universitaire
• Compatibilité et réconciliations des rôles : le recours à la sociologie sur le temps de travail et hors travail
CONCLUSION
BIBLIOGRAPHIE
ANNEXES
