Contenu du sommaire : Numéro spécial : Recherche quantitative exploratoire en GRH

La GRH est significativement impactée par la révolution des « big data » : l'accumulation de masses de données importantes sur les salariés apparaît aujourd'hui dans le discours de certains observateurs comme une condition nécessaire et suffisante pour la construction de modèles prédictifs de comportements complexes au travail comme l'absentéisme ou la performance en poste. En réalité, les enjeux majeurs ne tournent pas autour de la quantité des données, mais concernent plutôt les méthodologies permettant la transformation de ces données en connaissance, si possible actionnable. Les réflexions sur les méthodes applicables pour relever ce défi sont relativement récentes, et mentionnent régulièrement un renouveau de l'empirisme dans un « quatrième paradigme » fondé sur l'exploitation intensive et « agnostique » de masses de données en vue de faire émerger des connaissances nouvelles, selon une logique purement inductive. Sans adopter ce point de vue spéculatif, force est de constater que les approches inductives basées sur les données (data driven) demeurent rares dans les études quantitatives en GRH. Il existe pourtant des méthodes bien établies, notamment dans le domaine de la fouille de données (data mining), qui reposent sur des approches inductives. Ce domaine de l'analyse quantitative à visée inductive demeure encore assez peu exploré en GRH (à l'exception des analyses typologiques). L'objectif de cet article est tout d'abord de dresser un panorama des méthodes mobilisables pour des recherches en GRH, avant de proposer une illustration empirique qui consiste en une recherche exploratoire combinant une analyse en profils latents et une exploration des profils obtenus par des modèles graphiques gaussiens.

L'ambition de cet article est de montrer à partir d'un exemple la puissance heuristique d'un traitement statistique inductif particulier, en l'occurrence les analyses en profils latents (APL) (latent profile analysis : LPA). Appliquées au concept de bien-être au travail, elles permettent tout d'abord de mettre au jour les profils existant dans un échantillon de 496 salariés. Une procédure séquentielle, tirant successivement parti d'une batterie d'indicateurs quantitatifs et d'une lecture graphique plus qualitative, est pour cela nécessaire. Sur la base d'une simple intuition plutôt que d'une série d'hypothèses justifiées par une argumentation théorique, il devient dès lors possible de montrer que la propension au Mind wandering est associée négativement à la probabilité d'appartenir au profil de fort bien-être. Cet exemple révèle ainsi comment un raisonnement exploratoire quantitatif fondé sur des APL peut contribuer à alimenter une discussion académique naissante dans le domaine du comportement organisationnel.

Cette recherche vise à étendre le concept de la Santé Mentale Positive (PMH) (Keyes, 2002) conçu comme épanouissement, d'un contexte général aux contextes spécifiques professionnel et privé. D'un point de vue conceptuel, à la lumière de la conception intégrée d'équilibre vie privée & vie professionnelle (Sirgy & Lee, 2018), nous explorons l'éventualité que les structures factorielles de la PMH entre vie privée et vie professionnelle puissent être corrélées, mais distinctes. En termes de méthodologie, nous intégrons plusieurs approches. Nous analysons le construit multidimensionnel de PMH en intégrant simultanément un facteur général et des facteurs spécifiques. Pour ce faire, nous nous appuyons sur une approche à la fois centrée sur les variables et sur les personnes, en tenant simultanément compte des contextes au travail et hors travail. Deux différentes études sont menées – d'échantillons respectifs de taille n=304 et n=1066 – pour explorer la structure factorielle de ce construit étendu et intégré de PMH. Pour chacune d'entre elles, une modélisation en équations structurelles exploratoires bifactorielle (Bi-ESEM) offre le meilleur ajustement aux données. Une analyse en classe latente permet d'explorer les différentes classes de PMH illustrant chacune une typologie différente de PMH dans un contexte professionnel-privé. Une méthode d'apprentissage supervisé (arbres de classification) est utilisée pour diagnostiquer efficacement l'attribution des individus à chaque classe. En s'appuyant sur ces résultats pour étudier le fonctionnement psychosocial, nous montrons qu'il existe une différence significative entre les profils, où ceux qui sont épanouis dans tous les contextes incarnent les niveaux les plus bas de risques psychosociaux, alors que ceux qui languissent au travail en incarnent les niveaux les plus élevés. Nous en concluons que la distinction entre PMH en contexte de travail et PMH hors travail éclaire des aspects du construit qui ne sont pas disponibles dans son expression générale seule. L'apprentissage supervisé (Machine Learning) s'avère être un outil fiable et efficace de diagnostic et de prédiction des classes de PMH, démontrant une importante performance prédictive (Taux de classification = 0.90, Kappa = 0.86).

L'étude de l'intelligence émotionnelle est caractérisée par la controverse et la critique car elle fait face à des défis liés à la fois à sa définition et à sa mesure. La littérature managériale n'a accordé que très peu d'attention à la compréhension de la manière dont les individus donnent du sens à l'intelligence émotionnelle et évaluent ses différentes composantes dans le contexte professionnel. Ce papier illustre la technique Q comme un excellent exemple d'approche quantitative, inductive et interprétative, permettant de répondre à des questions de recherche telles que « Qu'est-ce que l'intelligence émotionnelle ? » et « Est-elle perçue différemment selon le statut professionnel ? »

Cet article contribue à une meilleure compréhension des processus d'institutionnalisation des pratiques managériales. Il met l'accent sur le moment clé où une pratique émergente devient l'objet d'une obligation légale ou réglementaire et s'impose à toutes les organisations. Pour cela, une démarche inductive reposant sur un corpus de 768 articles de presse parus entre 2001 et 2022 et portant sur la Gestion Prévisionnelle des Emplois et des Compétences (GPEC) a été conduite en recourant à la méthode de statistique textuelle ALCESTE. Nos résultats permettent de retracer le processus d'institutionnalisation de la GPEC qui vient changer le paradigme des pratiques de gestion de l'emploi. L'inscription dans la loi en 2005 a notamment contribué à la théorisation des démarches de GPEC et à renforcer leur légitimité. La discussion suggère également qu'en laissant suffisamment de place à la négociation, la loi a permis de maintenir une ambiguïté autour de la GPEC, et ainsi de préserver sa désirabilité du fait de la possibilité de différenciation dans son adoption.Mots-clefs