Effectifs, recrutements, absences, formations, rémunération : vos données RH existent déjà. Avant de chercher à expliquer ou anticiper, il faut savoir les lire. L'analyse descriptive RH répond à une seule question — que s'est-il passé ? — et constitue le socle indispensable de toute démarche de People Analytics.
L'analyse descriptive RH consiste à organiser, résumer et visualiser les données des ressources humaines pour en dégager une lecture claire et fiable. En statistique, elle regroupe les méthodes permettant de synthétiser une population sans chercher à établir de causalité ni à produire des prédictions. Elle répond à une question, et une seule : que s'est-il passé ?
Elle donne une vision factuelle des dynamiques internes : structure des effectifs, répartition par métier, âge moyen, ancienneté, mobilité, absentéisme. Elle permet de suivre les évolutions dans le temps, de détecter des tendances et de préparer un reporting RH lisible et cohérent pour la direction — sans lequel les analyses plus avancées n'ont pas de socle.
Ces KPI constituent le cœur du tableau de bord RH descriptif. Ils servent directement la Business Intelligence sociale de l'entreprise.
Nombre total de salariés à une date donnée et variation sur la période pour suivre la croissance de l'organisation.
Part des départs sur une période pour évaluer la stabilité des équipes. Un turnover supérieur à 15 % est un signal fort.
Coût total des rémunérations en valeur absolue et en % du chiffre d'affaires — premier levier de rentabilité opérationnelle.
Part des absences dans le temps de travail global. Au-delà de 5 %, c'est un signal d'alerte sur la santé sociale des services.
Temps moyen pour pourvoir un poste vacant. Chaque jour non pourvu a un coût direct sur la production et l'équipe en place.
Âge moyen, ancienneté et répartition H/F pour anticiper les départs à la retraite et suivre la mixité de l'organisation.
Ces mesures permettent de résumer la donnée et de repérer les anomalies ou disparités avant d'engager des modélisations plus avancées.
Les organisations s'appuient sur cinq niveaux d'analyse complémentaires. L'analyse descriptive ouvre la marche — elle est la condition sine qua non de toutes les suivantes. Impossible de prédire un turnover sans avoir d'abord su le mesurer.
1. Descriptive — Que s'est-il passé ?
Le taux de turnover est de 12% sur les 12 derniers mois.
2. Diagnostique — Pourquoi cela s'est-il produit ?
Les départs concernent principalement les collaborateurs de moins de 18 mois d'ancienneté.
3. Inférentielle — Est-ce statistiquement significatif ?
Le turnover des commerciaux est-il significativement supérieur à celui du reste de l'entreprise ?
4. Prédictive — Que risque-t-il de se passer ?
Anticiper les collaborateurs à risque de départ dans les 6 prochains mois.
5. Prescriptive — Quelle décision prendre ?
Lancement d'un plan de fidélisation ciblé sur les profils à risque identifiés.
Un taux de turnover de 12 % ou un absentéisme à 8 % est un constat, pas une cause. L'analyse descriptive s'arrête au chiffre — c'est l'analyse diagnostique qui permet ensuite d'en comprendre les facteurs.
Un tableau de bord alimenté par des données partielles ou mal saisies dans le SIRH produit des conclusions fausses — et des décisions dangereuses. La qualité de la donnée est un préalable non négociable. Voir aussi : conformité RGPD des données salariés.
Suivre 40 indicateurs sans cap dilue l'attention des managers et noie les vrais signaux faibles. Un tableau de bord efficace se construit à rebours : quelle décision veux-je être capable de prendre ? Les KPI découlent de la réponse.
L'analyse descriptive prend vie à travers la visualisation : histogrammes, cartes thermiques, courbes d'évolution. Ces représentations s'intègrent dans des tableaux de bord segmentés par niveaux — opérationnel, managérial, stratégique — et automatisés pour éviter la ressaisie manuelle mensuelle.
Mon accompagnement couvre toute la chaîne : collecte et nettoyage des données depuis votre SIRH, structuration des indicateurs, construction du tableau de bord et formation de vos équipes pour le piloter seules ensuite.
L'analyse descriptive répond à "que s'est-il passé ?" en organisant et résumant les données existantes. L'analyse prédictive utilise ces données comme base pour anticiper des événements futurs — comme le risque de départ d'un collaborateur dans les 6 prochains mois. L'une est le prérequis de l'autre.
Formule : (Nombre de jours d'absence ÷ Nombre de jours théoriques travaillés) × 100. Exemple : 50 salariés, 200 jours d'absence sur un trimestre où ils auraient dû travailler 3 250 jours → taux de 6,15 %. Au-delà de 5 %, c'est un signal d'alerte à investiguer service par service.
Non. Un Excel bien structuré suffit pour commencer. Power BI permet d'automatiser et de visualiser sans coder. Python (avec Pandas) offre plus de puissance pour les analyses avancées. L'outil importe moins que la qualité et la cohérence des données extraites de votre SIRH.
Commencez par 4 indicateurs : turnover, absentéisme, masse salariale en % du CA, et délai moyen de recrutement. Ces 4 chiffres couvrent les trois grandes tensions d'une PME — fidélisation, santé sociale, rentabilité. Ajoutez la démographie uniquement si vous avez des départs en retraite à anticiper dans les 3 ans.
Elle ne prédit pas l'avenir — mais elle vous évite de piloter à l'aveugle. En structurant vos données existantes dès aujourd'hui, vous jetez les bases d'une gouvernance RH solide et de vos futures décisions augmentées par l'IA.