Dix-neuf départs en deux ans, pour soixante-quinze salariés. C’est le chiffre qu’un transporteur de Marolles-en-Hurepoix a posé sur la table lors de notre première réunion, sans savoir s’il devait s’en alarmer. Son secteur tourne vite, ses concurrents aussi, et l’on finit par considérer cela comme une fatalité du métier. Employer l’IA pour réduire le turn-over en entreprise commence donc par un travail beaucoup moins spectaculaire que ne le laissent croire les plaquettes : comprendre ce que ces dix-neuf départs avaient réellement en commun.
Compter correctement avant d’expliquer quoi que ce soit
La plupart des PME calculent un taux global et s’arrêtent là. C’est le calcul le moins informatif qui soit. Un même pourcentage peut recouvrir une entreprise saine qui remplace des saisonniers et une entreprise qui perd ses meilleurs éléments par la porte de derrière.
Chez notre transporteur, la décomposition a tout changé. Les départs se concentraient sur deux tournées régionales et sur les collaborateurs ayant moins d’un an d’ancienneté : près de six départs sur dix survenaient dans les neuf premiers mois. Le reste de l’effectif, lui, affichait une stabilité tout à fait honorable. Il n’y avait pas un problème de turn-over dans cette entreprise. Il y en avait deux, très différents, qui appelaient deux réponses distinctes.
Notre recommandation tient en une phrase : découpez par ancienneté, par service, par manager et par type de contrat avant d’ouvrir le moindre débat sur les causes. Sans ce découpage, la discussion se termine invariablement sur les salaires, qui expliquent rarement plus du tiers des cas.
Ce que l’analyse de vos propres textes fait remonter
Une entreprise de soixante-quinze personnes accumule sans y penser une matière considérable : comptes rendus d’entretien de départ, courriers de démission, retours d’enquêtes internes, réclamations sur les plannings. Personne n’a le temps de relire tout cela, et chaque document pris isolément ne dit pas grand-chose.
Traités ensemble, ces textes se regroupent par thèmes. Le travail d’un modèle de langage consiste à en dégager les motifs récurrents et à en mesurer le poids relatif. À Marolles-en-Hurepoix, trois sujets sortaient loin devant : l’annonce tardive des tournées du lendemain, l’état de deux véhicules précis, et le sentiment d’être averti des changements après tout le monde. Le salaire arrivait en cinquième position.
Deux précautions rendent cet exercice acceptable. Les restitutions se font par groupe et jamais en dessous d’un effectif suffisant pour empêcher toute réidentification, une dizaine de personnes constituant un plancher raisonnable. Et les verbatims ne sont jamais reproduits tels quels quand une tournure permettrait de reconnaître leur auteur.
La ligne à ne pas franchir
Des éditeurs proposent de calculer, pour chaque salarié, une probabilité de départ dans les six mois. La démonstration est impressionnante. Nous refusons pourtant d’installer ce type de dispositif, et nous conseillons aux dirigeants de décliner l’offre.
D’abord parce que le score se trompe et que l’erreur coûte cher : un collaborateur étiqueté « à risque » se voit retirer un dossier important, comprend qu’on le tient pour partant, et finit par partir. La prophétie se réalise toute seule. Ensuite parce qu’une note individuelle produite par un algorithme et servant de base à une décision de carrière pose un problème de fond, tant du point de vue de la protection des données que du droit des personnes à comprendre ce qui les concerne. Un salarié doit pouvoir savoir quelles informations sont traitées et sur quels critères.
La règle que nous appliquons se résume ainsi : des indicateurs collectifs anonymisés, oui ; des listes nominatives de partants probables, jamais. Ajoutons un point que beaucoup de dirigeants découvrent tard : la mise en place d’un dispositif d’analyse portant sur les salariés relève de l’information et de la consultation du comité social et économique. Les représentants du personnel doivent être associés en amont, et l’expérience montre qu’ils rendent d’ailleurs le diagnostic plus juste.
Les causes qu’on trouve, et celles qu’on préférerait ne pas trouver
Les motifs qui remontent sont souvent prosaïques et réparables. Un planning communiqué trop tard. Un matériel usé. Un temps de trajet devenu insupportable après un déménagement de site. Rien de tout cela ne demande un budget de transformation, seulement des décisions que personne n’avait prises faute d’en mesurer l’effet. Un dirigeant nous a résumé la chose mieux que nous : il savait tout cela, il ne savait simplement pas que cela coûtait des salariés.
Puis il y a l’autre catégorie. Une équipe dont le taux de départ dépasse largement les autres pointe presque toujours vers une difficulté d’encadrement, et c’est le moment délicat de la mission. Nous avons vu des directions enterrer le rapport à cette étape. Notre conseil est de traiter le sujet comme un besoin d’appui et de formation du manager concerné, pas comme un verdict : dans la moitié des cas que nous avons suivis, la personne encadrait sans avoir jamais été formée à le faire.
Mettre un prix sur un départ
Le chiffrage débloque les arbitrages. Pour un conducteur formé aux tournées d’une entreprise, en additionnant recrutement, formation interne, baisse de productivité pendant la prise de poste et heures supplémentaires payées aux collègues en attendant, on aboutit à un ordre de grandeur de huit à quinze mille euros. Multipliez par dix-neuf. La conversation sur le budget change de ton immédiatement.
Ce calcul rend surtout comparables des dépenses qu’on n’avait jamais mises côte à côte. Renouveler un véhicule fatigué représente une somme visible, inscrite au budget, discutée en conseil. Le coût des départs qu’il provoque, lui, se dilue dans les frais de recrutement, les heures supplémentaires et la baisse de qualité de service, si bien que personne ne l’attribue jamais à sa cause. Notre rôle s’arrête souvent là : remettre les deux montants sur la même ligne et laisser le dirigeant trancher.
Ce transporteur a agi sur deux points seulement : l’annonce des tournées passée à quarante-huit heures et le remplacement de deux véhicules. Le taux de départ de la première année d’ancienneté a été divisé par deux sur l’exercice suivant. Voilà à quoi ressemble l’IA pour réduire le turn-over en entreprise quand elle sert à quelque chose : elle éclaire, elle ne décide pas. Le reste dépend du courage des décisions prises ensuite et de la capacité des managers à s’emparer de ces constats, ce qui suppose souvent une formation de l’encadrement à ces outils. D’autres processus se prêtent à la même approche, comme le détaille notre panorama des applications métier, et la démarche peut être menée en interne ou avec un intégrateur extérieur. MINOBIA intervient sur ce type de diagnostic en posant d’emblée les limites qu’il ne faut pas franchir.
Questions fréquentes
À partir de quel taux faut-il s’inquiéter ?
Le taux global ne veut presque rien dire hors de son secteur. Regardez plutôt sa répartition : une concentration sur une équipe ou sur la première année d’ancienneté est un signal bien plus fiable.
Peut-on identifier les salariés susceptibles de démissionner ?
Techniquement, des outils le prétendent. Nous ne le faisons pas et le déconseillons formellement : le risque juridique est réel et l’effet sur les personnes concernées se retourne contre l’entreprise.
Faut-il informer le comité social et économique ?
Oui, dès lors que le dispositif traite des données relatives aux salariés. Associez les représentants du personnel dès la conception plutôt qu’au moment de présenter les résultats.
Combien de départs faut-il pour que l’analyse ait un sens ?
Une quinzaine de cas sur deux ou trois ans permet déjà de dégager des tendances. En dessous, mieux vaut lire les dossiers un par un, ce qui reste largement faisable.
Combien de temps avant de voir un effet ?
Le diagnostic prend quelques semaines. L’effet sur les départs se mesure sur un exercice complet, pas avant, et seulement si des décisions concrètes ont suivi.
À propos de l’auteur
Joël Obitz est entrepreneur et fondateur de MINOBIA, cabinet spécialisé dans l’intégration stratégique de l’intelligence artificielle au sein des PME et ETI. Fort de 20 ans d’expérience dans le B2B industriel, il accompagne les entreprises dans leur transformation numérique, avec une approche directe, pragmatique et orientée résultats.
Contactez-nous : contact@minobia.ai
Suivez-nous sur LinkedIn et Facebook
MINOBIA – Activateur France Num https://www.francenum.gouv.fr/activateurs/minobia
