CodeSignal lance Agentic Skills Intelligence pour évaluer les compétences à partir du travail quotidien

Une entreprise peut savoir qui a suivi une formation, adopté un assistant d’IA ou occupé un poste donné sans savoir dans quelle mesure cette personne est capable d’accomplir le travail qui l’attend. CodeSignal entend combler cette lacune avec Agentic Skills Intelligence, une nouvelle offre qui évalue le travail des employés et relie les profils de compétences ainsi obtenus à des exercices pratiques et à un accompagnement personnalisés.

Annoncée comme étant disponible pour tous le 28 octobre, la plateforme s’appuie sur des agents spécialisés pour évaluer le travail à partir des systèmes que les employés utilisent déjà, plutôt que de se fier à des autoévaluations ou à des mots-clés dans un CV. CodeSignal explique que l’objectif est de donner aux dirigeants une vision actualisée en continu du niveau de maîtrise des compétences dans l’entreprise, ainsi qu’un moyen de combler les lacunes mises en évidence.

Ce lancement étend les activités de l’entreprise dans les domaines de l’évaluation et de la formation au travail quotidien. Son intérêt potentiel réside dans le rapprochement de trois activités qui restent souvent distinctes : recueillir des preuves de compétences, déterminer les besoins de développement et aider les employés à progresser.

Évaluer le travail à l’aide d’un référentiel structuré de compétences

Dans son annonce, CodeSignal cite notamment Gong, Salesforce, GitHub, Cursor, Claude, ChatGPT, Workday, Greenhouse et Google Workspace parmi les systèmes dont les agents peuvent évaluer le travail. Celui-ci est noté à l’aide de grilles structurées fondées sur la psychologie industrielle et organisationnelle, discipline qui étudie les comportements et la performance en milieu professionnel.

L’entreprise présente cette démarche comme une mesure plus directe du niveau de maîtrise que l’inférence des compétences à partir d’un intitulé de poste, d’une évaluation de la performance ou d’une formation suivie. Le travail produit par un employé devient un élément probant pour établir un profil de compétences, qui peut être actualisé à mesure que de nouveaux travaux sont disponibles.

CodeSignal indique que plus de 21 millions d’évaluations de compétences ont été réalisées sur sa plateforme, un chiffre qui sert de contexte à son approche de l’évaluation. Il s’agit d’un total cumulé pour la plateforme, et non du nombre d’employés déjà évalués par ce nouveau produit annoncé récemment.

La distinction entre preuves et déductions est utile, mais elle ne dispense pas d’exercer son jugement. Un échantillon de travail doit effectivement révéler la compétence évaluée, et la grille doit être adaptée à la tâche. Par exemple, un résultat de qualité obtenu avec l’aide de l’IA soulève des questions sur les compétences démontrées : concevoir une première solution, diriger un assistant, vérifier ses résultats ou combiner efficacement ces activités.

Les critères d’évaluation sous-jacents sont donc tout aussi importants que le nombre de systèmes connectés. Un plus grand volume de données professionnelles peut élargir le champ de l’évaluation, mais ne rend pas automatiquement chaque compétence observable et ne permet pas d’établir quelle part du résultat collectif revient à une personne donnée.

Relier les lacunes en matière de compétences à des exercices personnalisés

Le volet développement d’Agentic Skills Intelligence s’appuie sur Cosmo, le tuteur d’IA de CodeSignal, pour proposer des exercices adaptés au contexte. Le cycle envisagé consiste à repérer une lacune dans la maîtrise d’une compétence, à proposer à l’employé des occasions pertinentes de s’exercer, puis à suivre l’évolution de ses compétences.

Les Learn Academies déjà proposées par CodeSignal donnent un aperçu de cette approche. Elles associent des cours, des exercices pratiques et des évaluations intégrées dans des parcours guidés, tandis que Cosmo fournit des commentaires pendant l’apprentissage. L’accent est mis sur la mise en pratique des compétences et le suivi des progrès tout au long du parcours.

Les cours de gestion de l’entreprise étendent les exercices pratiques au-delà de la programmation, à des activités comme les échanges avec les clients, les travaux de rédaction et l’analyse financière. Cette portée plus large est importante pour un produit destiné aux entreprises : le développement des compétences peut nécessiter de s’exercer à présenter un argumentaire de vente ou à exercer son jugement managérial, tout autant qu’à résoudre un problème technique.

Un directeur commercial pourrait, par exemple, utiliser le nouveau système pour déterminer où son équipe a besoin d’aide pour présenter un produit, puis proposer des exercices adaptés aux employés concernés. CodeSignal présente cela comme un cas d’usage de la plateforme, et non comme un résultat obtenu auprès d’un client et communiqué lors du lancement.

Pour les employés, le résultat utile serait un parcours de développement précis. Un score est plus exploitable lorsqu’il indique les points à améliorer et débouche sur un exercice qui y répond. L’efficacité du produit dépendra de la qualité de ce lien pour les différents postes et types de travail.

Évaluer les compétences en IA au-delà du nombre d’adoptions

CodeSignal présente également le produit comme un moyen d’examiner si les investissements dans l’IA se traduisent par une amélioration du travail. Dans son annonce, l’entreprise cite une étude selon laquelle 84 % des organisations ont accru leurs investissements dans les logiciels d’IA et 79 % ont augmenté leurs dépenses de formation à l’IA au cours de l’année écoulée, tandis que 79 % n’ont pas été en mesure de mesurer le rendement de ces dépenses. Elle indique aussi que six responsables sur dix prennent des décisions importantes concernant les talents en se fiant à leur intuition, et que 66 % des employés déclarent que leurs compétences n’ont jamais fait l’objet d’une évaluation formelle.

Ces résultats sont rapportés par CodeSignal. Le communiqué fourni ne précise ni la taille de l’échantillon de l’enquête ni sa méthodologie ; ces chiffres doivent donc être considérés comme un élément de contexte à l’appui de la thèse défendue par l’entreprise pour son produit, et non comme une mesure exhaustive de l’ensemble des employeurs.

La question pratique est néanmoins claire. Le suivi de l’utilisation des assistants peut montrer que les employés ont adopté un outil ; il renseigne moins sur leur capacité à s’en servir efficacement. Évaluer le travail à l’aune de critères pertinents pourrait aider les employeurs à distinguer une utilisation fréquente d’une meilleure maîtrise.

Cela constituerait également une base plus pertinente pour les dépenses consacrées au développement des compétences que le simple décompte des formations achevées. Une amélioration mesurée d’une compétence pertinente est un indicateur utile, même si traduire cette amélioration en retombées pour l’entreprise exige toujours de tenir compte du poste, du projet et des autres facteurs qui influent sur la performance.

Intégrer les informations sur les compétences aux flux de travail existants

CodeSignal indique que son serveur MCP permet aux équipes de poser des questions sur les données relatives aux compétences et aux emplois depuis l’assistant IA de leur choix. Le Model Context Protocol fournit une interface commune pour connecter un assistant à des outils et à des informations externes ; l’objectif est ici de rendre les informations sur les effectifs accessibles sans obliger les utilisateurs à quitter leur assistant habituel.

L’annonce comprend également l’analyse des écarts de compétences au sein de l’organisation, la planification des effectifs et des informations sur le marché concernant la demande de recrutement, les postes et les fourchettes de rémunération. Ces sources d’information sont liées, mais distinctes : les tendances externes du marché du travail décrivent la demande au-delà de l’entreprise, tandis que les profils des employés visent à rendre compte des compétences démontrées en son sein.

Les ressources existantes sur l’intelligence des compétences de CodeSignal présentent l’analyse comparative, l’analyse à plusieurs niveaux et le suivi de l’acquisition des compétences. Le nouveau lancement met davantage l’accent sur l’évaluation continue du travail et sur le lien entre les éléments qui en résultent et le développement individuel.

L’importance du contexte dans les décisions relatives aux effectifs

Des informations plus récentes sur les compétences pourraient aider un responsable à repérer une expertise interne pour un projet urgent, à cerner un besoin de développement ou à déterminer où un recrutement est nécessaire. Cela change aussi la portée des productions courantes du travail : les éléments créés pour accomplir une tâche peuvent devenir des preuves servant à évaluer le niveau de compétence d’un employé.

Il est donc important que le processus d’évaluation soit clairement défini. Les employés et les responsables doivent comprendre quels travaux alimentent un profil, ce que mesure la grille d’évaluation et où les éléments disponibles sont incomplets. Une exposition limitée à une tâche ne doit pas être confondue avec une incapacité avérée, et un score automatisé doit être examiné à la lumière du contexte dans lequel le travail a été effectué.

Le lancement de CodeSignal rapproche l’évaluation, les preuves issues du travail et le tutorat par IA au sein d’une même boucle de rétroaction. Il offre la possibilité de rendre le développement des effectifs plus ciblé et plus réactif. Il faudra déterminer si cette boucle produit des preuves de compétence utiles et explicables, et aide les employés à acquérir les capacités dont leur travail a réellement besoin.