People analytics : comment ces responsables RH transforment leur paie en outil de décision  

Conçue pour payer les salariés correctement et à temps, la paie est l’une des fonctions RH les plus outillées. Les données qu’elle produit servent pourtant encore principalement aux obligations déclaratives et aux reportings sociaux. Le rapport State of People Analytics 2025-26 illustre cette difficulté à passer des chiffres à l’action : 54 % des répondants estiment leur organisation capable de produire et de rassembler des données RH, et 50 % de les comprendre. Mais seuls 34 % jugent qu’elle parvient à engager des changements concrets à partir de ces analyses, et 31 % qu’elle en mesure les résultats.

Arnaud Coulon, consultant indépendant spécialisé dans les données RH, et Pierre Audierne, responsable RH issu de la paie, n’ont pourtant pas changé d’outils. Ils ont changé la question qu’ils posaient à leurs tableaux de bord : que faut-il croiser dans la paie pour transformer un chiffre en décision ? Et jusqu’où pousser ce rapprochement sans basculer dans la surveillance ?

Pour suivre les départs dans un groupe du secteur de l’énergie dont les sociétés utilisent des systèmes RH différents, Arnaud Coulon a construit une vue consolidée du turn-over. Le but ? Fournir au DRH une vision d’ensemble et l’aider à repérer les écarts. Encore fallait-il savoir ce que mesurait le taux. Une mobilité entre deux sociétés a-t-elle été comptée comme un départ ? Les règles de calcul sont-elles les mêmes partout ? Des erreurs de saisie faussent-elles le résultat ? « Mon premier réflexe, quand j’observe une augmentation anormale de turn-over, est de décortiquer le chiffre », explique Arnaud Coulon.

Le tableau de bord joue ainsi le rôle de « cockpit » : il signale une évolution inhabituelle, mais ne dit pas encore ce qui l’explique. Lorsqu’un chiffre interpelle, Arnaud Coulon précise d’abord le périmètre du problème, avant d’en chercher les causes : la hausse touche-t-elle tout le groupe ou une filiale ? Un métier, les nouveaux arrivants ou les salariés expérimentés ? S’observe-t-elle aussi dans le secteur ? « Une fois qu’on a posé la question, on a déjà construit la réflexion et le modèle de données qu’on va vouloir faire », souligne-t-il.

Pour comparer les salariés partis et ceux qui sont restés, la paie permet de renseigner sur les rémunérations, les augmentations, les heures supplémentaires et les absences. Selon l’hypothèse étudiée, Arnaud Coulon y associe l’ancienneté, les promotions, les formations suivies ou les entretiens de sortie lorsqu’ils sont exploitables. Pour les grands volumes, il évoque aussi le clustering, une technique de data science qui regroupe les profils aux caractéristiques proches et peut révéler plusieurs populations derrière un même taux : des recrues quittant rapidement un service, des managers expérimentés ou des salariés sans augmentation depuis plusieurs années.

Distinguer ces populations permet d’envisager des réponses différentes : intégration, formation, mobilité, ajustement salarial… Le DRH peut alors chiffrer chaque option, avant d’en discuter au Comex ou lors des NAO. Mais ces rapprochements restent des hypothèses. Le fait que des salariés peu augmentés partent davantage ne prouve pas que leur salaire motive leur départ. « Il faut confronter l’analyse aux échanges terrain avec les salariés et les managers, et s’interroger sur les décisions auxquelles pourrait conduire le croisement de données sensibles », propose encore Arnaud Coulon. L’éthique du professionnel RH doit écarter les interprétations trop rapides.

Dans une entreprise où il était responsable RH, Pierre Audierne constatait des arrêts maladie courts et répétés. Leur coût direct ne déclenchait pas nécessairement d’alerte, mais ils désorganisaient certains services. Le taux global d’absentéisme ne montrait ni les équipes concernées, ni le moment où ces absences pesaient le plus sur l’activité. Pierre Audierne, qui a commencé sa carrière dans la paie, a voulu regarder au-delà du ratio.

« Dans un fichier Excel, j’ai réuni les effectifs par service et les jours d’arrêt maladie sur les douze derniers mois, puis je les ai rapprochés du calendrier d’activité », décrit-il. Résultat ? Une équipe très sollicitée en fin d’année concentrait des arrêts courts après des périodes de travail intenses. Un manager récemment arrivé peinant à anticiper cette charge. Ailleurs, le rapprochement entre absences et heures supplémentaires a révélé un report de travail : les missions d’un salarié régulièrement absent étaient confiées à un collègue, qui accumulait les heures supplémentaires. L’activité était assurée, mais la charge se concentrait sur une seule personne.

Ces deux constats ont ouvert des discussions différentes : accompagner le manager pour l’un, revoir la répartition des missions avec la direction pour l’autre. « L’idée était de comprendre pour mieux accompagner », rappelle Pierre Audierne. Des arrêts répétés ne révèlent pas leur motif médical et ne doivent servir ni à surveiller les salariés, ni à mettre les managers en accusation. Les échanges avec les équipes restent nécessaires pour agir sur ce qui relève de l’entreprise : charge de travail, accompagnement des managers, organisation du service…

Arnaud Coulon et Pierre Audierne n’ont pas eu besoin d’acheter un nouvel outil pour commencer : un tableur et un accès aux données de paie ont suffi à poser les premières hypothèses. Mais consolider à la main des systèmes RH hétérogènes, ou croiser manuellement douze mois d’arrêts maladie avec un calendrier d’activité, prend du temps. Et dépend d’une personne qui sait où chercher et comment interpréter ce qu’elle trouve.

« Ces données sont moins sous-exploitées que mal exploitées », résume Łucas Lewczuk, spécialiste de la rémunération, du contrôle de gestion sociale et de la data RH au sein du groupe Crédit Agricole. Cette approche reste encore minoritaire. Seules 26 % des organisations croisent souvent ou systématiquement leurs données RH avec d’autres sources, et à peine 42 % jugent leurs systèmes suffisamment intégrés pour le permettre.

Dans les deux cas évoqués, les données de paie prennent tout leur sens lorsqu’elles sont croisées avec d’autres données RH et confrontées à la réalité du terrain. Cette démarche aide à choisir où agir et donne aux DRH des éléments concrets pour défendre leurs décisions auprès de la direction. Fort de son expérience, Lucas Lewczuk en tire trois enseignements qui dépassent le cas particulier.

La paie produit chaque mois des données précises pour rémunérer les salariés. Encore faut-il savoir ce que l’on mesure lorsqu’on les transforme en indicateurs RH. Une mobilité entre deux sociétés compte-t-elle comme un départ ? Quelles absences le taux d’absentéisme regroupe-t-il ? Les catégories d’un logiciel peuvent déjà introduire un biais. Łucas Lewczuk cite, notamment, le cas d’outils qui classent le congé maternité parmi les arrêts maladie.

À ces biais de construction s’ajoutent ceux de l’interprétation. Une hausse du turn-over dans un service peut conforter une explication que le DRH avait déjà en tête, sans que les chiffres ne la démontrent. Même les termes employés demandent à être clarifiés : selon que l’on suit les départs, les entrées ou le renouvellement des postes, on ne décrit pas exactement le même phénomène. Avant de chercher les causes d’une évolution, le premier travail consiste donc à vérifier la définition de l’indicateur, son calcul et les hypothèses que l’on projette sur lui.

Pour Łucas Lewczuk, le passage du reporting au pilotage commence par une question. Que souhaite-t-on valoriser dans les décisions RH : les compétences, la performance, la fidélisation de certains métiers ? Sans réponse claire, multiplier les tableaux de bord ou acquérir un nouvel outil ne suffit pas. « Avoir 15 000 indicateurs, ça s’appelle du reporting. En revanche, on en choisit un, deux ou trois qui vont aider à prendre une décision. »

Cette sélection permet de dépasser une lecture de la masse salariale limitée aux coûts : les équipes RH peuvent comparer ce que différentes dépenses apporteraient à l’entreprise et défendre leurs propositions auprès de la direction. L’expert prend l’exemple des NAO. Les RH peuvent simuler plusieurs répartitions de l’enveloppe entre augmentations générales et individuelles, puis en examiner le coût et les salariés concernés avant l’arbitrage. C’est à ce stade que les données de paie contribuent à préparer l’arbitrage, « au lieu de servir uniquement à rendre compte d’un choix déjà fait ».

Rapprocher les rémunérations, les absences, la mobilité et les données d’engagement permet de voir ce qu’un taux global masque. Mais ces croisements demandent de la prudence. « Croiser des données de paie, ça peut être extrêmement puissant, mais si on le fait mal, ça peut devenir très dangereux pour les organisations », prévient Łucas Lewczuk. Des départs fréquents parmi les salariés les moins bien rémunérés ne prouvent pas que le salaire explique leur décision. Il faut aussi examiner les perspectives d’évolution, la perception de la rémunération globale et les conditions de travail.

Les croisements servent donc à formuler des hypothèses, puis à les vérifier auprès des équipes avant de choisir un levier d’action. Même un indicateur global apparemment satisfaisant peut masquer des écarts importants entre métiers, services ou populations.

Dans ces deux cas, l’intérêt des données tient moins à leur richesse qu’aux questions nouvelles qu’elles permettent de poser. Une hausse du turn-over conduit à regarder quels salariés partent et dans quelles conditions. Des arrêts courts répétés invitent à examiner la charge supportée par ceux qui restent. La décision ne découle pas directement du tableau de bord : elle se construit à partir de ce que les chiffres rendent visible, et de ce que l’enquête sur le terrain permet de comprendre.

Arnaud Coulon et Pierre Audierne n’avaient ni les mêmes données, ni le même sujet. En revanche, ils avaient la même discipline : vérifier ce que mesure un chiffre avant de le croire, puis confronter chaque hypothèse au terrain. C’est ce qui distingue une paie qui se contente de produire des bulletins d’une paie qui éclaire des décisions, bien avant la question de savoir avec quels outils on y parvient.