Scribd
Importer
56 vues3 pages

Gpec - GC - Ia

Ce document explore l'impact de l'intelligence artificielle (IA) sur la gestion prévisionnelle des emplois et des compétences (GPEC) et la gestion de carrière, en se basant sur une étude de cas d'Unilever. Il examine les concepts de GPEC et de gestion de carrière, ainsi que les applications de l'IA dans ces domaines, tout en analysant les synergies et les défis rencontrés. La recherche conclut sur les résultats pratiques et théoriques, tout en proposant des recommandations pour une intégration efficace de l'IA dans ces processus.

Transféré par

osoumaila955
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd
56 vues3 pages

Gpec - GC - Ia

Ce document explore l'impact de l'intelligence artificielle (IA) sur la gestion prévisionnelle des emplois et des compétences (GPEC) et la gestion de carrière, en se basant sur une étude de cas d'Unilever. Il examine les concepts de GPEC et de gestion de carrière, ainsi que les applications de l'IA dans ces domaines, tout en analysant les synergies et les défis rencontrés. La recherche conclut sur les résultats pratiques et théoriques, tout en proposant des recommandations pour une intégration efficace de l'IA dans ces processus.

Transféré par

osoumaila955
Copyright
© © All Rights Reserved
Nous prenons très au sérieux les droits relatifs au contenu. Si vous pensez qu’il s’agit de votre contenu, signalez une atteinte au droit d’auteur ici.
Formats disponibles
Téléchargez aux formats PDF, TXT ou lisez en ligne sur Scribd

Titre proposé : L’intelligence artificielle comme levier modérateur de l’impact

de la GPEC sur la gestion de carrière : étude de cas Unilever

Introduction générale
• Contexte : évolution du travail, transformation digitale, enjeux RH
• Justification du choix du sujet
• Problématique
• Objectifs et intérêt de la recherche
• Annonce du plan

Chapitre 1 – Cadre conceptuel : GPEC et gestion de carrière

Section 1 – La GPEC : concepts, objectifs et pratiques


1.1 Définitions et enjeux stratégiques de la GPEC
1.2 Méthodologies et outils : référentiels métiers, cartographie des compétences, plans d’action
1.3 Limites des approches traditionnelles de la GPEC

Section 2 – La gestion de carrière : une approche centrée sur le parcours


2.1 Définition et enjeux de la gestion de carrière : pour l’entreprise et pour le salarié
2.2 Typologies des parcours professionnels : linéaire, nomade, protéenne
2.3 Facteurs influents : attentes individuelles, contexte externe, etc.

Chapitre 2 – Cadre d’analyse : intelligence artificielle et modèle conceptuel

Section 1 – L’intelligence artificielle appliquée à la gestion des ressources humaines


1.1 Définitions clés et technologies associées à l’IA en RH
1.2 Applications concrètes de l’IA dans la GPEC et la gestion de carrière
1.3 Opportunités, défis et limites : automatisation, éthique, biais

Section 2 – Modèle théorique et hypothèses


2.1 Variable indépendante : la GPEC
2.2 Variable dépendante : la gestion de carrière
2.3 Variable modératrice : l’intelligence artificielle
2.4 Schéma conceptuel et articulation du modèle modérateur

Chapitre 3 – Étude de cas Unilever : synergie entre IA, GPEC et gestion de carrière

Section 1 – Présentation du groupe et stratégie RH


3.1 Historique, organisation et culture d’innovation chez Unilever
3.2 Digitalisation des ressources humaines dans un contexte multinational
3.3 Stratégie GPEC mise en œuvre : cartographie des compétences, formation, plans de
succession, alignement stratégique

Section 2 – L’apport de l’intelligence artificielle dans la gestion de carrière chez Unilever


3.4 Outils IA en gestion de carrière : « Flex Experiences » et autres plateformes
3.5 Cartographie intelligente des talents et analytique prédictive des trajectoires
3.6 Rôle complémentaire des Career Advisors et de l’IA
Section 3 – Analyse critique du rôle modérateur de l’IA
3.7 Comparaison entre GPEC traditionnelle et GPEC augmentée par IA
3.8 Impacts observés : mobilité interne, satisfaction des collaborateurs, rapidité des processus
3.9 Limites rencontrées et conditions clés de réussite

Conclusion générale
• Synthèse des principaux résultats théoriques et pratiques
• Limites de l’étude (généralisation, biais liés à la technologie)
• Recommandations pour l’intégration réussie de l’IA dans la GPEC et la gestion de
carrière
• Perspectives pour des recherches futures (études quantitatives, comparaisons
sectorielles

Vous aimerez peut-être aussi