Pour relever ce défi, Tomorrow Theory a co-construit avec CAL&F une approche alliant rigueur RH, prospective métier… et intelligence artificielle.

Face à un corpus de plus de 150 fiches de poste aux formats hétérogènes, il ne s’agissait pas simplement de réécrire, mais de modéliser : créer une base cohérente, homogène et évolutive, capable d’alimenter l’ensemble des processus RH dans la durée.

Pour cela, nous avons mis en œuvre une démarche hybride IA → RH, portée par deux expertises complémentaires :

• Tomorrow Theory, pour notre capacité à structurer des référentiels métiers de manière systémique et stratégique ;
• EMAX Conseils, pour son savoir-faire dans l’industrialisation des traitements via l’intelligence artificielle.

Ensemble, nous avons conçu une chaîne de traitement automatisée et modulaire, pilotée par des règles RH explicites, combinant :

• Un moteur Python embarquant des modèles de langage (LLM) pour analyser, comprendre et restructurer automatiquement les fiches existantes ;
  Une formalisation poussée des attentes RH, traduites en règles injectées directement dans le dispositif ;
• Un fonctionnement en test-and-learn, permettant d’ajuster les règles au fil des itérations, de rejouer les traitements, et d’optimiser en continu la cohérence du référentiel.

Cette approche a permis de :

• Générer automatiquement 85 % des fiches, selon un standard validé collectivement ;
• Mettre de côté 15 % des fiches, de manière assumée, lorsque la donnée ne permettait pas une structuration fiable garantissant ainsi la qualité du livrable final ;
• Structurer un référentiel unique intégrant :
  • Activités standardisées et harmonisées
  • Compétences métiers et comportementales consolidées
  • Compétences et activités émergentes à horizon 2030, issues d’une analyse prospective

Chaque règle RH est documentée, chaque traitement est traçable, et chaque évolution est rejouable.

Ce n’est pas un livrable figé, mais une infrastructure vivante, conçue pour durer et s’adapter.