La performance des employés suit-elle une distribution gaussienne ?

La performance des employés suit-elle vraiment une distribution gaussienne ?

Du point de vue d’un data scientist

• Résumé : il est plus probable que la performance des employés suive une distribution de Pareto plutôt qu’une distribution gaussienne. Cela explique les problèmes des processus de gestion de la performance dans les grandes entreprises et éclaire les raisons pour lesquelles il est difficile de recruter d’excellents talents. D’un point de vue économique, les principaux enseignements émergent de la combinaison de la théorie de la productivité marginale des salaires et du coefficient de Gini.

• Saison des évaluations : dans les entreprises du Fortune 500, la gestion de la performance a lieu chaque année au quatrième trimestre. Les employés sont évalués sur la base de leurs résultats des 12 derniers mois, et cela détermine les bonus ainsi que les augmentations de salaire.

• Les limites de la distribution gaussienne : de nombreuses entreprises supposent que la performance des employés suit une distribution gaussienne, mais cette hypothèse ne correspond pas à la réalité. En pratique, une distribution de Pareto peut être plus adaptée.

Un autre point de vue : Pareto

• Relation entre salaire et performance : en économie, on considère que le salaire reflète la performance de l’employé. La distribution de Pareto est utile pour expliquer à la fois la distribution des salaires et celle des performances.

• Les avantages de la distribution de Pareto : la distribution de Pareto explique mieux le rapport entre succès et échec. La performance dans les grandes entreprises a tendance à suivre une distribution de Pareto.

Implications

• Nécessité de faire évoluer la gestion de la performance : si l’on prend en compte une distribution de Pareto, cela suggère qu’il n’est pas nécessaire de licencier chaque année les 10 % les moins performants. Le processus de gestion de la performance doit être repensé sur la base de cette hypothèse.

• La difficulté du recrutement : les employés à faible performance sont trois fois plus nombreux que les employés à haute performance. Cela aide à expliquer les difficultés de recrutement.

Conclusion et perspectives

• Repenser la gestion de la performance : le système actuel de gestion de la performance est dépassé, et une nouvelle approche tenant compte de la distribution de Pareto est nécessaire. Il faut suivre l’atteinte des objectifs de la gestion de la performance et évaluer l’efficacité du système par une analyse des coûts.

• Contexte historique : le système moderne de gestion de la performance est apparu chez GE dans les années 1980, à une époque où l’emploi à vie était courant. Aujourd’hui, les employés changent souvent d’entreprise, ce qui impose de reconsidérer l’ancienne approche de la carotte et du bâton.

Contenu supplémentaire

• Appui des données à l’idée de Pareto : des données du début du XXe siècle soutiennent l’idée de Pareto. La performance des employés est subjective, et il est difficile de trouver des mesures véritablement objectives.

• Réflexion sur la pratique du « rolling up » : l’usage de distributions forcées peut conduire à une évaluation injuste d’environ 5 % des employés. Cela peut nuire à l’équité de la gestion de la performance.

[GN⁺]

Avis Hacker News

• Dans beaucoup de grandes entreprises, la gestion de la performance mise en œuvre en 2024 est une technique dépassée qui a besoin d’être modernisée. L’hypothèse selon laquelle les employés sont récompensés en fonction de leur contribution individuelle à l’entreprise est erronée. Les employeurs cherchent à verser aux salariés la rémunération minimale possible, en s’appuyant sur l’asymétrie d’information et une distribution gaussienne. Il est difficile d’attendre de l’équité.

• Une entreprise devrait accorder plus d’importance à la productivité combinée qu’à l’efficacité prise isolément ou à l’élimination des 5 % les moins performants. Il n’est pas nécessaire que tous les employés soient des superstars développant des fonctionnalités visibles ; on a aussi besoin d’agents d’entretien ou du personnel de la cafétéria.

• Le QI ne suit pas une distribution gaussienne ; c’est quelque chose de construit. Les tests de QI sont élaborés en sélectionnant des questions qui produisent une distribution gaussienne. C’est une méthode utilisée pour améliorer la précision du test.

• Même si les talents humains suivent une distribution de Pareto, les personnes employées par une entreprise constituent un sous-ensemble sélectionné de cette population, et peuvent donc présenter une distribution différente selon la méthode de sélection et les tâches. Il faut étayer ces affirmations avec des données issues de l’entreprise et du secteur.

• Chez Netflix, l’hypothèse de départ était que tous les employés étaient des top performers. La performance et la rémunération étaient complètement dissociées, et l’évaluation de la performance reposait sur des peer reviews à 360 degrés.

• Dans les grandes entreprises, l’évaluation de la performance des employés est davantage politique que fondée sur les données. Les managers utilisent les quotas de licenciement de 10 % comme une arme, ou comme un mécanisme forcé pour trouver des sous-performants qui n’existent pas réellement.

• Si l’on ne définit pas ce qu’est la performance d’un employé, on ne peut pas savoir ce que représente le graphique. Les erreurs de recrutement se situent sur un continuum, et le processus d’embauche ne vise pas à capter une partie de l’ensemble du marché du travail, mais à obtenir la meilleure performance possible pour un niveau de salaire donné.

• Le stack ranking à la Welch et l’hypothèse d’une distribution gaussienne ont été remis en cause par la recherche. De nombreux chercheurs s’accordent à dire qu’une distribution de Pareto est plus réaliste.

• Les notes scolaires ne suivent pas une distribution normale, surtout dans les cours faciles. Certains postes sont plus faciles à bien exercer que d’autres. Dans l’administratif, il est possible de réussir presque toutes les tâches.

• Lorsqu’on analyse des groupes d’employés avec la data science, les personnes déjà licenciées ou dont la promotion a déjà été décidée doivent être considérées comme des valeurs aberrantes et exclues de l’échantillon.