Thèse en data science : modèles prédictifs et approches d'explicabilité appliqués aux rh f/h

Votre rôle

Ce projet de thèse vous permettra de travailler sur une problématique innovante à l’intersection des données RH et de l’intelligence artificielle. Vous serez rattaché à un laboratoire de recherche, avec des experts en Intelligence artificielle. Vous serez également rattaché à la Direction des Centres des Services RH, avec des experts métier et intégré dans des missions de redesign du CSRH. Vous aurez l'opportunité de réaliser et contribuer à des publications scientifiques et potentiellement à des brevets dans le domaine de l'IA explicable, des systèmes intelligents et de la planification des effectifs.

Direction des centres de services des ressources humaines (DCSRH)

L’objectif de cette thèse est de concevoir un système prédictif explicable, intuitif et interactif pour la planification stratégique des effectifs, permettant d’améliorer la précision et la compréhension des modèles de prévision des flux de demandes RH, tout en développant de nouvelles approches d’explicabilité fondées sur des explications contrefactuelles tenant compte des contraintes propres à l’entreprise (dépendances de données, corrélations, contraintes temporelles, incertitudes, etc.).

Les travaux de la thèse comprendront :

Un état de l’art approfondi sur les modèles prédictifs et les approches d’explicabilité, notamment les méthodes d’explications contrefactuelles appliquées aux séries temporelles.
Le développement de nouvelles méthodes de génération d’explications contrefactuelles respectant les contraintes métier et temporelles de la planification RH.
La conception d’une interface interactive permettant aux utilisateurs d’explorer les prédictions et leurs explications via des interactions intuitives, idéalement par langage naturel pour formuler des questions du type « Que se passerait-il si ?
La mise en place d’une base de données dédiée au stockage, à l’interrogation et à l’exploration des explications générées.
Des expérimentations sur des données réelles du CSRH couvrant plus de 350 actes, avec des tests utilisateurs visant à évaluer l’impact sur la compréhension et la prise de décision.
Enfin, la valorisation scientifique et applicative des résultats à travers des publications, des prototypes logiciels et une méthodologie transférable pour une éventuelle industrialisation au sein d’Orange.