Comment évaluer l'impact de vos programmes de L&D : une approche scientifique

C'est une question complexe que se posent de nombreuses Directions des Ressources Humaines. En effet, l'un des objectifs du déploiement d'un dispositif est d'avoir un retour sur investissement satisfaisant (ROI). Cela suppose bien sûr de mesurer son efficacité mais surtout de mener cette évaluation de la manière la plus rigoureuse possible.

Une approche résolument scientifique

La communauté scientifique recommande l'utilisation d'essais randomisés contrôlés (Randomized Controlled Trial, RCT), simplement parce que c'est la meilleure manière de faire les choses sérieusement.

L'essai randomisé contrôlé est un type de protocole expérimental qui vise à mettre en lumière un lien de causalité entre deux variables. Par exemple, un programme de développement professionnel (i.e. la variable d'intérêt) sur l'adoption de nouveaux comportements managériaux (i.e. la variable mesurée).

Il faut garder à l'esprit que l'on part toujours d'une hypothèse. Ainsi, dans cet exemple, on s'attend à observer un effet positif de la variable d'intérêt sur la variable mesurée.

L'essai randomisé contrôlé utilise un protocole de recherche très rigoureux dont l'objectif est donc de mettre en évidence un impact (ou une absence d'impact... !) en minimisant les potentiels biais d'expérimentation. En quoi ce type de protocole est-il rigoureux ? Et comment fonctionne-t-il ?

‍Un essai... contrôlé

Un essai randomisé contrôlé rassemble plusieurs groupes qui constituent des "variantes" de la variable d'intérêt. Par exemple, si notre variable d'intérêt est le dispositif de formation, nous aurons a minima un groupe qui le suit, appelé "groupe expérimental", et un groupe qui ne le suit pas, appelé "groupe contrôle". Ces variantes représentent les deux modalités de la variable d'intérêt.

L'idée de ce type d'expérimentation est de comparer les résultats de la variable mesurée entre les différents groupes.

Dans notre exemple, la mise en place de nouveaux rituels managériaux.

Un essai... randomisé

Il faut impérativement que l'assignation des participants à l'un des deux groupes se fasse de manière aléatoire.

Et, pour éviter certains biais d'expérimentation, les individus ne savent idéalement pas dans lequel des groupes ils ont été affectés. On parle alors d'étude menée en aveugle.

Il est nécessaire qu'un certain nombre de participants soit réparti dans chacun des groupes. Plus celui-ci est important, plus on pourra considérer que les caractéristiques des individus des deux groupes sont représentatives de la même population de référence. C'est ce qu'on appelle l'équivalence statistique, indispensable pour mener ensuite les analyses.

Si l'on constate, comme attendu, que le groupe expérimental a de meilleures performances que le groupe contrôle et que l'équivalence statistique est bien respectée, alors on pourra conclure que cela est dû au suivi du programme de développement des compétences.

‍

Ce qu'il faut retenir ici, c'est que plus les causes pouvant produire un effet sur nos résultats sont contrôlées, plus il est possible de parler de lien de causalité entre notre variable d'intérêt et notre variable mesurée. Autrement dit, plus le protocole de recherche est pensé rigoureusement, plus on sera en mesure d'interpréter les résultats en terme d'impact et donc, dans ce contexte, de conclure à l'efficacité d'un dispositif.

---

L'entreprise Fifty propose un outil d’eDoing qui aide les collaborateurs à passer à l’action dans le cadre de formation, transformation ou post-formation. Sensible à la notion d'expérimentation et de preuve scientifique, Fifty teste l'efficacité de sa solution eDoing en adoptant une approche scientifique. Pour mesurer l'impact réel d'un dispositif, parler de recherche, c'est bien ; mais mener des expérimentations, c'est mieux ! Stop talking, start doing

‍

‍

* dépend de la puissance statistique.

‍