En bref
Lexi est l’agent IA de Neobrain qui construit et entretient le référentiel emplois-compétences d’une organisation : la liste de ses emplois, des compétences qu’ils mobilisent et du niveau attendu pour chacune. Tout le reste de la plateforme en dépend, des entretiens annuels à la mobilité interne.
Une première version existait à mon arrivée. Elle posait un diagnostic, un score de santé et des recommandations, mais il fallait corriger chaque point à la main, la validation par les métiers se faisait hors de l’outil, et rien ne gardait la trace des changements. J’en ai mené la refonte de bout en bout, avec l’équipe data / IA, des experts RH et des clients pilotes, jusqu’à sa relance auprès de tous les clients.
L’enjeu
Avant Lexi, un référentiel vivait dans un fichier Excel énorme, tenu à la main. Chaque mise à jour coûtait du temps, les doublons s’accumulaient, les erreurs de saisie passaient inaperçues, et faire valider les emplois par les métiers relevait du parcours d’obstacles.
C’était aussi un enjeu pour Neobrain. Les clients le demandaient, la concurrence s’y mettait, et la matière première s’y prêtait : des fichiers lourds, répétitifs, que l’IA sait lire et structurer mieux qu’une personne seule.
La question que je me suis posée : comment faire d’un document que personne n’ose toucher un référentiel que les RH tiennent à jour, et auquel les métiers font confiance ?
Comprendre avant de concevoir
J’ai mené des entretiens avec des RH et des experts métier, analysé de vrais fichiers Excel clients, et observé des sessions de validation. Trois constats ont changé ma façon d’aborder le produit.
Le goulot, c’est la validation, pas la génération. Produire une première version d’un référentiel, l’IA le fait vite. Ce qui bloque, c’est d’obtenir l’accord des managers et des experts sur chaque emploi.
Le vrai travail, c’est de maintenir. Un référentiel n’est jamais fini : des emplois apparaissent, d’autres fusionnent, les libellés dérivent. Un outil qui ne sert qu’au démarrage retombe vite dans l’Excel.
Sans contrôle, pas de confiance. Les clients ne font pas confiance à une proposition de l’IA qu’ils n’ont pas pu relire. Un détail l’a rendu concret : une fois un emploi validé par les RH, les clients voulaient pouvoir le soumettre à une seconde validation, celle du responsable RH. Pour eux, une validation ne suffisait pas toujours : il fallait pouvoir en enchaîner deux.
Décider où l’IA s’arrête
La décision structurante a été de fixer la frontière entre ce que l’IA fait seule et ce que l’humain valide. L’IA propose : elle génère les emplois et les compétences, réécrit les libellés, repère les doublons, rédige la description de chaque niveau. L’humain décide : chaque proposition se relit, s’ajuste ou s’ignore, et les managers et les experts confirment le référentiel avant qu’il ne fasse foi.
J’ai ensuite prévu trois points de départ : un référentiel à construire, un référentiel existant à restructurer, ou un référentiel existant à mettre à jour. L’IA peut en proposer un à partir du contexte de l’organisation, mais la plupart des clients arrivaient avec leur Excel : les obliger à repartir de zéro aurait jeté le travail déjà fait.
Enfin, j’ai mis l’analyse de santé du référentiel en tête, avant l’édition détaillée. Un RH qui ouvre Lexi voit d’abord ce qui ne va pas, et par où commencer.
Ce que j’ai construit
Lexi se lit comme un parcours.
Analyse. Le référentiel est noté sur plusieurs dimensions : couverture des emplois, taille des familles, qualité des libellés, doublons, niveaux trop uniformes. Chaque faiblesse devient une action d’un plan d’action priorisé. Là où la première version laissait corriger chaque point à la main, normaliser les libellés, fusionner les doublons ou compléter les emplois se lance désormais en un clic, et chaque proposition passe par une relecture humaine avant d’être appliquée.
Validation. Les managers et les experts reçoivent une matrice compétences / emplois : ils confirment, ajustent un niveau, écartent ou ajoutent une compétence. Le RH suit l’avancement, arbitre les écarts et clôture la session.
Référentiels. L’espace de gestion détaillée : fiches emplois et compétences, niveaux, familles, import et export.
Historique. Le dernier ajout : le journal des changements, la comparaison entre deux moments et la consultation du référentiel à une date donnée.
Lancer, et savoir dire « pas encore »
Lexi a d’abord été relancé auprès de clients pilotes, avec qui j’ai co-construit les ajustements, avant d’être ouvert à tous. J’ai aligné l’équipe data / IA sur les choix d’expérience et présenté la refonte à la direction.
Clients et CSM poussaient pour connecter Lexi à Smartmobility, la plateforme de Neobrain, afin qu’il y remplace le référentiel existant. C’est l’objectif final, et je le défends. Mais j’ai décidé d’attendre : nous manquions de recul sur la façon dont les clients utilisaient Lexi, et il fallait encore le co-construire avec eux avant qu’il devienne la source unique.
Résultats
- Lexi est devenu un argument commercial de Neobrain.
- Les retours des clients pilotes ont orienté la version ouverte à tous.
- Lexi est désormais le socle de Nexia, l’agent qui projette l’impact de l’IA sur les emplois : sans référentiel, Nexia n’a rien à analyser.
Ce que j’en retiens
Dans un produit IA, générer est devenu la partie facile. Le vrai travail de conception, c’est tout ce qui vient après : faire relire, corriger et valider.
Et porter une vision, c’est aussi savoir dire « pas encore » : défendre l’objectif final tout en refusant d’y aller avant d’avoir compris l’usage réel.