![\"\"](\"http:\/\/talogy.com\/wp-content\/uploads\/2021\/12\/cta-whitepaper-cover-building-better-organizations-through-inclusive-leadership.jpg\")
<\/figure>Depuis plus d’un demi-si\u00e8cle, l’un des probl\u00e8mes les plus troublants auxquels sont confront\u00e9s les professionnels charg\u00e9s de prendre des d\u00e9cisions en mati\u00e8re d’emploi (recrutement, promotion, r\u00e9duction des effectifs) est le recrutement diff\u00e9rentielle d’individus issus de divers groupes. En tant que membres de la communaut\u00e9 I\/O Psychology, nous cherchons \u00e0 cr\u00e9er et \u00e0 mettre en \u0153uvre des programmes d’\u00e9valuation qui sont \u00e9quitables et qui font que les personnes ayant une capacit\u00e9 \u00e9gale \u00e0 faire le travail ont une chance \u00e9gale d’obtenir le travail. La d\u00e9termination de l’impact n\u00e9gatif, une approche pour comprendre si les programmes de s\u00e9lection sont \u00e9quitables, fait partie de notre paysage depuis des d\u00e9cennies. <\/p>\n\n\n\n
Bien que le concept soit simple, l’\u00e9valuation des biais est un sujet de grand d\u00e9bat. Les m\u00e9thodes de r\u00e9solution des biais sont nombreuses et controvers\u00e9es. Nous cherchons toujours \u00e0 mieux comprendre les causes sous-jacentes des diff\u00e9rences d’\u00e9valuation entre les groupes – le facteur qui pr\u00e9c\u00e8de toute constatation de biais.<\/p>\n\n\n\n
La fa\u00e7on dont nous mesurons les biais a chang\u00e9 au fil du temps. Au d\u00e9but, nous avons examin\u00e9 ce que l’on appelait la r\u00e8gle des 80\u00a0% ou des 4\/5\u00a0: un simple calcul comparant le taux de s\u00e9lection d’un groupe \u00e0 un autre, puis d\u00e9terminant si les taux se situent dans la plage ou hors plage. Par exemple, si les candidats blancs sont s\u00e9lectionn\u00e9s \u00e0 un taux de 20\u00a0%, le taux de s\u00e9lection des candidats noirs doit \u00eatre de 16\u00a0% ou plus pour \u00e9viter une d\u00e9termination d’impact n\u00e9gatif. <\/p>\n\n\n\n
Au fur et \u00e0 mesure que les dossiers passaient devant les instances judiciaires et que les donn\u00e9es \u00e9taient analys\u00e9es \u00e0 l’aide d’outils analytiques plus sophistiqu\u00e9s, nous avons constat\u00e9 des mesures de diff\u00e9rence statistique entre les taux de recrutement. La signification statistique est devenue la norme d’\u00e9valuation, qui fournit simultan\u00e9ment une plus grande rigueur scientifique ainsi qu’une foule de complications analytiques. <\/p>\n\n\n\n
L’un des gros probl\u00e8mes auxquels sont confront\u00e9s les employeurs est la capacit\u00e9 d’attirer un grand nombre de candidats via des tests bas\u00e9s sur Internet et d’autres avanc\u00e9es technologiques. Les tests de signification statistique sont particuli\u00e8rement influenc\u00e9s par la taille de l’\u00e9chantillon. Donc, en termes d’impact n\u00e9gatif, il peut \u00eatre \u00ab\u00a0pire d’\u00eatre grand que d’\u00eatre mauvais\u00a0\u00bb. (Jacobs, Murphy et Silva (2013)). Si votre organisation a un grand nombre de candidats dans son analyse de biais, vous devez \u00eatre conscient de la taille de l’\u00e9chantillon. De plus, les tests de signification statistique commencent par une \u00ab\u00a0hypoth\u00e8se nulle\u00a0\u00bb, qui \u00e9nonce l’attente d’\u00ab\u00a0aucune diff\u00e9rence\u00a0\u00bb. <\/p>\n\n\n\n
Mais ce n’est pas toujours le cas. Comme des d\u00e9cennies de recherche peuvent documenter certains types de tests, des diff\u00e9rences connues existent. Si ces types de tests sont indiqu\u00e9s pour \u00eatre utilis\u00e9s dans un programme de s\u00e9lection, \u00ab\u00a0l’hypoth\u00e8se d’absence de diff\u00e9rence \u00bb cr\u00e9era un biais des r\u00e9sultats vers une conclusion de biais.<\/p>\n\n\n\n
Outre la m\u00e9thode de mesure d\u00e9crite ci-dessus, I\/O Psychologists ont cherch\u00e9 des moyens de r\u00e9duire les biais avec un certain degr\u00e9 de succ\u00e8s.<\/p>\n\n\n\n
Cette approche examine essentiellement les diff\u00e9rences dans les scores de tests et r\u00e9duit ces diff\u00e9rences en rassemblant des scores tr\u00e8s similaires. Peut-\u00eatre que la fa\u00e7on la plus simple d’envisager le regroupement dans un contexte de recrutement est de se tourner vers quelque chose que nous connaissons tous : les notes scolaires. Dans n’importe quelle classe, l’instructeur peut classer les \u00e9tudiants de bas en haut, affichant des scores allant de moins de 50\u00a0% \u00e0 pr\u00e8s de 100\u00a0%. Dans certains contextes, ces scores sont en fait enregistr\u00e9s – mais le plus souvent, nous voyons des personnes recevoir des notes A, B, C, etc. Une personne qui re\u00e7oit la note B a obtenu un score compris entre 80 et 89 %. De cette fa\u00e7on, des bandes sont cr\u00e9\u00e9es. <\/p>\n\n\n\n
Le m\u00eame processus peut \u00eatre utilis\u00e9 pour s\u00e9lectionner les employ\u00e9s o\u00f9 les candidats re\u00e7oivent un score de cat\u00e9gorie plut\u00f4t que ce qui pourrait \u00eatre un score plus pr\u00e9cis qui inclut un certain degr\u00e9 d’erreur. La largeur de la marge est souvent li\u00e9e \u00e0 la quantit\u00e9 d’erreur que l’on croit pr\u00e9sente dans un score.<\/p>\n\n\n\n
Une autre m\u00e9thode pour r\u00e9duire les biais consiste \u00e0 inclure plusieurs tests\/outils dans le processus de recrutement. Dans ce cas, nous nous tournons vers l’analyse de l’emploi pour aider \u00e0 d\u00e9couvrir les connaissances, les comp\u00e9tences, les capacit\u00e9s et les caract\u00e9ristiques personnelles cl\u00e9s qui m\u00e8nent au succ\u00e8s. \u00c0 titre d’exemple, pendant des d\u00e9cennies, les policiers ont \u00e9t\u00e9 s\u00e9lectionn\u00e9s sur la base de tests d’aptitudes cognitives souvent appel\u00e9s tests de la fonction publique. Bon nombre d’entre eux \u00e9taient des \u00e9valuations g\u00e9n\u00e9rales des connaissances accompagn\u00e9es d’une mesure de la r\u00e9flexion. Lorsque c’\u00e9tait le seul moyen de s\u00e9lectionner les policiers, nous avons vu des forces de police \u00e0 pr\u00e9dominance blanche. Au d\u00e9but des ann\u00e9es 80, les programmes dans ce domaine se sont d\u00e9velopp\u00e9s sur la base de l’id\u00e9e que m\u00eame s’il faut \u00eatre intelligent pour \u00eatre policier, il faut \u00e9galement avoir de bonnes comp\u00e9tences en communication, poss\u00e9der un niveau d’empathie et \u00eatre \u00e0 l’aise de travailler dans le respect des r\u00e8gles. Lorsque les \u00e9valuations se sont \u00e9largies pour inclure ces concepts, les services de police ont commenc\u00e9 \u00e0 se diversifier. <\/p>\n\n\n\n
Le message ici est qu’une fa\u00e7on de r\u00e9duire les biais est de d\u00e9finir plus compl\u00e8tement le travail et d’inclure des types d’\u00e9valuations plus nombreux et diff\u00e9rents. <\/p>\n\n\n\n
Les biais sont compliqu\u00e9s et sa r\u00e9duction n\u00e9cessite des efforts sur plusieurs fronts. Il est important que les employeurs gardent une trace de la fa\u00e7on dont leurs syst\u00e8mes de recrutement et de promotion fonctionnent et des moyens de les am\u00e9liorer \u00e0 la fois pour renforcer la validit\u00e9 et pour accro\u00eetre la diversit\u00e9.<\/p>\n\n\n\n
<\/figure>Les entreprises qui ont r\u00e9ussi \u00e0 cr\u00e9er un changement durable dans la D&I ont fait preuve d’un engagement et d’une action solides parmi leur leadership. <\/p>\n\n\n\n
Dans ce livre blanc, vous d\u00e9couvrirez le poste que jouent les leaders dans la cr\u00e9ation d’une culture inclusive, une culture qui s’efforce de cr\u00e9er des alli\u00e9s ou des champions de la diversit\u00e9, ainsi que les comp\u00e9tences et les caract\u00e9ristiques de leadership qui contribuent \u00e0 un comportement et \u00e0 un climat inclusifs.<\/p>\n\n\n\n