Évaluation et amélioration du rendement de la formation en entreprise : vers une démarche basée sur la gestion des processus d’affaires

Abstract

La formation est une stratégie clé pour le développement des compétences. Les entreprises continuent à investir dans la formation et le développement, mais elles possèdent rarement des données pour évaluer les résultats de cet investissement. La plupart des entreprises utilisent le modèle Kirkpatrick/Phillips pour évaluer la formation en entreprise. Cependant, il ressort de la littérature que les entreprises ont des difficultés à utiliser ce modèle. Les principales barrières sont la difficulté d’isoler l’apprentissage comme un facteur qui a une incidence sur les résultats, l’absence d’un système d’évaluation utile avec le système de gestion de l’apprentissage (Learning Management System - LMS) et le manque de données standardisées pour pouvoir comparer différentes fonctions d’apprentissage. Dans cette thèse, nous proposons un modèle (Analyse, Modélisation, Monitoring et Optimisation - AM2O) de gestion de projets de formation en entreprise, basée sur la gestion des processus d’affaires (Business Process Management - BPM). Un tel scénario suppose que les activités de formation en entreprise doivent être considérées comme des processus d’affaires. Notre modèle est inspiré de cette méthode (BPM), à travers la définition et le suivi des indicateurs de performance pour gérer les projets de formation dans les organisations. Elle est basée sur l’analyse et la modélisation des besoins de formation pour assurer l’alignement entre les activités de formation et les objectifs d’affaires de l’entreprise. Elle permet le suivi des projets de formation ainsi que le calcul des avantages tangibles et intangibles de la formation (sans coût supplémentaire). En outre, elle permet la production d’une classification des projets de formation en fonction de critères relatifs à l’entreprise. Ainsi, avec assez de données, notre approche peut être utilisée pour optimiser le rendement de la formation par une série de simulations utilisant des algorithmes d’apprentissage machine : régression logistique, réseau de neurones, co-apprentissage. Enfin, nous avons conçu un système informatique, Enterprise TRaining programs Evaluation and Optimization System - ETREOSys, pour la gestion des programmes de formation en entreprise et l’aide à la décision. ETREOSys est une plateforme Web utilisant des services en nuage (cloud services) et les bases de données NoSQL. A travers AM2O et ETREOSys nous résolvons les principaux problèmes liés à la gestion et l’évaluation de la formation en entreprise à savoir : la difficulté d’isoler les effets de la formation dans les résultats de l’entreprise et le manque de systèmes informatiques.

Training is a key strategy to develop employees’ skills. Businesses continue to invest in training and development, but they rarely have data to evaluate the results of this investment. Most companies use the Kirkpatrick/Phillips model to evaluate the training. However, it emerges from the literature that companies have difficulties in using this model. There are three main barriers to the evaluation of training. The first barrier is the difficulty of isolating learning as a factor that affects the results. Another barrier is the lack of a useful assessment IT tool with the learning management system and the third barrier is the lack of standardized data to compare various learning functions. In this thesis, we propose a model to manage training projects in enterprises (Analysis, Modelling, Monitoring and Optimization - AM2O), based on Business Process Management (BPM). Such a scenario considers the training activities as business processes. Our model is inspired by the BPM method through the definition and monitoring of performance indicators for managing all aspects of training. It is based on the analysis and modeling of training needs to ensure alignment between training activities and business objectives. It allows the monitoring of training projects as well as the calculation of tangible and intangible benefits (without additional cost). In addition, it allows us to classify training projects according to criteria relative to the enterprise. Thus, our approach could be used to optimize the yield of the training through a series of simulations using the machine learning algorithms logistic regression, neural network and co-training. Finally, we develop an IT tool, Enterprise Training Programs Evaluation and Optimization System - ETREOSys, to manage training programs in enterprises and for decisionmaking support. ETREOSys is aWeb platform which uses cloud services such as virtual machines, data centers, Content Delivery Network and NoSQL databases. AM2O and ETREOSys resolve the main problems related to the management and evaluation of training in enterprises namely: the difficulty of isolating the effects of training and the lack of IT tools.