La data RH : exploiter les données pour optimiser la performance -WEBGRAM (société basée à Dakar-Sénégal), meilleure entreprise(société / agence) de développement d'applications web et mobiles et d'outil de Gestion des Ressources Humaines en Afrique

La data RH : exploiter les données pour optimiser la performance: WEBGRAM, meilleure entreprise / société / agence  informatique basée à Dakar-Sénégal, leader en Afrique du développement de solutions de Gestion des Ressources Humaines, RH, GRH, Gestion des ressources humaines, Suivi des ressources humaines, Gestion administrative des salariés et collaborateurs, Gestion disponibilités, Congés et absences des employés, Suivi des temps de travail et du temps passé par activité des agents, Suivi et consolidation des talents, compétences, parcours et formations du personnel, Gestion de projet et d'équipes, Gestion de la performance, Définition des objectifs, Formation du personnel, Gestion du processus de recrutement, Administration et logistique, Gestion des plannings, Gestion des demandes de missions, des déplacements et des dépenses de voyages professionnels, Gestion des alertes, Gestion des profils (rôles), Gestion du journal des actions (log), Gestion du workflow (circuit de validation). Ingénierie logicielle, développement de logiciels, logiciel de Gestion des Ressources Humaines, systèmes informatiques, systèmes d'informations, développement d'applications web et mobiles.

L'Exploitation Stratégique des Données des Ressources Humaines pour Optimiser la Performance se réfère à l'utilisation délibérée et méthodique des données au sein de la fonction RH dans le but d'améliorer l'efficacité de la main-d'œuvre et d'aligner les pratiques RH sur les objectifs globaux de l'organisation. Cette approche polyvalente englobe la collecte rigoureuse, l'analyse perspicace et l'application judicieuse de divers types de données RH, notamment les mesures de performance des employés, les relevés d'assiduité, les analyses de rémunération et d'avantages sociaux, ainsi que les enquêtes d'engagement. En tirant parti de ces informations basées sur les données, les organisations sont en mesure de prendre des décisions éclairées qui favorisent l'amélioration des stratégies d'acquisition de talents, du développement des employés et de la fidélisation, optimisant ainsi la performance globale.

L'importance de l'exploitation des données RH est soulignée par sa capacité à transformer les fonctions RH traditionnelles en pratiques fondées sur des preuves concrètes. Les organisations qui exploitent efficacement l'analytique RH peuvent constater des avantages substantiels, tels qu'une réduction des taux de rotation du personnel et une amélioration significative de l'engagement des employés. Par exemple, l'analytique prédictive permet aux professionnels des RH d'anticiper les défis liés à la main-d'œuvre, rendant possibles des interventions proactives qui peuvent conduire à une meilleure satisfaction au travail et à une productivité accrue. De plus, l'intégration de technologies avancées, telles que l'intelligence artificielle (IA) et l'apprentissage automatique (machine learning), renforce les capacités RH en automatisant les tâches de routine et en fournissant des informations en temps réel sur les tendances de la performance des employés.

Malgré ses nombreux avantages, l'exploitation des données RH n'est pas exempte de défis. Des problèmes tels que la qualité et l'intégrité des données, les préoccupations relatives à la vie privée et l'intégration de sources de données disparates constituent des obstacles importants que les organisations doivent surmonter. Assurer la conformité avec les réglementations sur la protection des données, telles que le RGPD (Règlement Général sur la Protection des Données) et le CCPA (California Consumer Privacy Act), ajoute une couche supplémentaire de complexité, car les organisations s'efforcent de maintenir la confiance des employés tout en utilisant des informations sensibles. Il est crucial de relever ces défis pour maximiser l'efficacité des pratiques en matière de données RH et atteindre les résultats organisationnels souhaités.

Dans l'ensemble, l'exploitation des données RH se présente comme une composante essentielle de la gestion moderne de la main-d'œuvre, permettant aux organisations d'utiliser des stratégies fondées sur des preuves qui favorisent un environnement de travail positif et stimulent une croissance durable. À mesure que les approches basées sur les données continuent d'évoluer, l'accent mis sur l'optimisation de la performance grâce à l'analytique RH stratégique devrait s'intensifier, en faisant une pratique indispensable pour les organisations en quête d'avantages concurrentiels dans un paysage commercial de plus en plus dynamique.

Types de Données RH : Un Panorama des Informations Clés

Aperçu des Données RH : Définition et Importance Stratégique

Les données des Ressources Humaines (RH) englobent un large éventail d'informations utilisées pour gérer et améliorer l'efficacité des processus liés à la main-d'œuvre au sein des organisations. Ces données peuvent inclure des mesures relatives à la performance des employés, à l'assiduité, à la rémunération et à l'engagement, entre autres. L'utilisation stratégique des données RH permet aux organisations de prendre des décisions éclairées, de susciter des améliorations et d'aligner les pratiques RH sur les objectifs commerciaux globaux.

L'importance des données RH réside dans leur capacité à fournir une vision objective et factuelle du capital humain de l'organisation. Contrairement aux intuitions ou aux jugements subjectifs, les données RH offrent une base solide pour comprendre les tendances, identifier les problèmes et mesurer l'impact des initiatives RH. Elles permettent de répondre à des questions cruciales telles que : quel est le taux de rotation du personnel ? Quels sont les facteurs qui influencent la performance des employés ? Nos pratiques de rémunération sont-elles équitables ? Quel est le niveau d'engagement de nos équipes ? Les réponses à ces questions, basées sur des données fiables, sont essentielles pour une gestion RH efficace et stratégique.

De plus, les données RH constituent un outil puissant pour la communication et la justification des décisions RH auprès de la direction et des autres parties prenantes. En présentant des analyses basées sur des données concrètes, les professionnels des RH peuvent étayer leurs recommandations et démontrer la contribution de la fonction RH aux résultats de l'entreprise. Cette approche data-driven renforce la crédibilité de la RH et lui permet de jouer un rôle plus central dans la stratégie globale de l'organisation.

Catégories Clés de Données RH : Une Typologie Détaillée

Les données RH peuvent être classées en plusieurs catégories clés, chacune offrant des perspectives uniques sur différents aspects de la gestion de la main-d'œuvre :

1. Données d'Assiduité et d'Absentéisme : Indicateurs d'Engagement et de Bien-être

Les données d'assiduité sont fondamentales pour comprendre l'engagement et la performance des employés. Elles comprennent les informations relatives aux heures travaillées, aux congés payés, aux jours fériés et aux autres absences autorisées. L'absentéisme, en particulier, se réfère aux absences non planifiées du travail, lesquelles peuvent signaler des problèmes de santé et de bien-être sous-jacents plutôt qu'un manque d'engagement.

Le suivi de l'absentéisme aide la fonction RH à évaluer les coûts et les tendances des absences, ainsi qu'à mieux comprendre les besoins des employés. L'absentéisme peut avoir un impact significatif sur la productivité, le moral des équipes et les coûts opérationnels. L'identification des motifs d'absentéisme (maladie, stress, problèmes personnels, etc.) permet de mettre en place des actions préventives et correctives ciblées.

Le taux d'absentéisme est un indicateur clé calculé en divisant le nombre d'absences injustifiées par le nombre total de jours de travail prévus et en exprimant le résultat en pourcentage. Le suivi régulier de ce taux permet d'identifier des tendances et des anomalies qui peuvent nécessiter une attention particulière. Des taux d'absentéisme élevés peuvent être le signe de problèmes plus profonds au sein de l'organisation, tels qu'un mauvais climat de travail ou une surcharge de travail excessive.

2. Métriques de Performance des Employés : Évaluation de la Contribution Individuelle et Collective
   

Les métriques de performance des employés fournissent des informations sur la manière dont les employés s'acquittent de leurs responsabilités professionnelles et contribuent aux objectifs organisationnels. Ces métriques comprennent les taux de productivité, les évaluations de la qualité du recrutement et les données relatives au turnover (rotation du personnel).

Par exemple, le taux de productivité mesure le rapport entre la production et les ressources consommées. Un taux de productivité élevé peut indiquer des processus efficaces, des employés compétents et un bon niveau d'engagement. À l'inverse, un faible taux de productivité peut signaler des problèmes de formation, de motivation ou d'organisation du travail.

Les évaluations de la qualité du recrutement visent à mesurer l'efficacité des processus d'embauche en évaluant la performance des nouveaux employés après leur intégration. Des indicateurs tels que le temps nécessaire pour atteindre la pleine performance, le taux de rétention des nouvelles recrues et les évaluations de performance après une période donnée permettent d'ajuster les stratégies de recrutement pour attirer et sélectionner des candidats plus performants et mieux alignés sur les besoins de l'organisation.

Les données relatives au turnover renseignent sur le taux de départ des employés sur une période donnée. Un taux de turnover élevé peut entraîner des coûts importants en termes de recrutement, de formation et de perte de productivité. L'analyse des raisons du turnover (enquêtes de départ, entretiens) permet d'identifier les facteurs qui contribuent au départ des employés et de mettre en place des actions pour améliorer la rétention, telles que l'amélioration de la rémunération, des opportunités de développement de carrière ou du climat de travail.

3. Données de Rémunération et d'Avantages Sociaux : Analyse de l'Équité et de l'Attractivité

Les données d'équité salariale sont essentielles pour garantir des pratiques de rémunération justes au sein d'une organisation. Elles permettent d'évaluer si les employés occupant des postes similaires et ayant une expérience comparable sont rémunérés de manière équitable. Des examens réguliers de l'équité salariale contribuent à favoriser une culture de travail positive et à prévenir la discrimination, ce qui est vital pour maintenir la confiance et le moral des employés.

Les données relatives aux avantages sociaux comprennent les diverses offres proposées aux employés, telles que l'assurance maladie, les plans de retraite et les primes. Ces avantages ont une influence directe sur la satisfaction et la rétention des employés. Une analyse approfondie des données relatives à la rémunération et aux avantages sociaux permet de s'assurer que l'offre globale de l'organisation est compétitive par rapport au marché et répond aux besoins des employés. Des avantages sociaux attractifs peuvent constituer un puissant levier d'attraction et de fidélisation des talents.

4. Métriques de Recrutement : Mesure de l'Efficacité du Processus d'Acquisition de Talents

Les systèmes de suivi des candidatures (ATS) et d'autres outils RH gèrent le processus de recrutement en suivant les candidatures et les informations sur les candidats. Les métriques de recrutement mesurent l'efficacité des stratégies et des processus d'embauche, y compris le délai d'embauche et la qualité du recrutement.

Le délai d'embauche mesure le temps écoulé entre la publication d'un poste vacant et l'acceptation de l'offre d'emploi par un candidat. Un délai d'embauche court permet de minimiser l'impact des postes vacants sur la productivité et les opérations. L'analyse des étapes du processus de recrutement permet d'identifier les goulots d'étranglement et de mettre en place des améliorations pour réduire ce délai.

La qualité du recrutement évalue la performance et l'adéquation des candidats embauchés. Elle peut être mesurée par divers indicateurs, tels que le taux de réussite des nouvelles recrues pendant leur période d'essai, leur performance à long terme et leur taux de rétention. Des métriques élevées de qualité du recrutement indiquent que les stratégies d'embauche sont efficaces pour attirer et sélectionner des candidats qui contribuent positivement à l'organisation.

Ces métriques sont essentielles pour évaluer l'impact des efforts de recrutement et affiner les stratégies d'embauche futures. L'analyse des données de recrutement permet d'identifier les canaux de recrutement les plus efficaces, d'optimiser les processus de sélection et d'améliorer l'expérience candidat.

5. Données d'Engagement et de Satisfaction : Sondage du Climat Social et du Moral des Employés

Les métriques d'engagement des employés, y compris les enquêtes de satisfaction des employés et l'eNPS (Employee Net Promoter Score), fournissent des informations sur le moral général et l'engagement de la main-d'œuvre. L'eNPS, par exemple, mesure la probabilité que les employés recommandent leur entreprise comme lieu de travail.

La compréhension des niveaux d'engagement peut guider la fonction RH dans l'élaboration de programmes et d'interventions visant à améliorer la satisfaction et la rétention des employés. Un engagement élevé des employés est souvent associé à une productivité accrue, une meilleure qualité du travail et un taux de rotation du personnel plus faible.

Les enquêtes de satisfaction permettent de recueillir des informations détaillées sur les opinions et les perceptions des employés concernant divers aspects de leur expérience au travail, tels que la culture d'entreprise, la communication, les opportunités de développement et la relation avec leur supérieur hiérarchique. L'analyse de ces données permet d'identifier les points forts et les points faibles de l'environnement de travail et de mettre en place des actions ciblées pour améliorer le bien-être et l'engagement des employés.

Méthodes de Collecte de Données : Les Fondations d'une Analyse Pertinente

La collecte de données est une étape fondamentale de l'exploitation des données RH pour optimiser la performance. Elle implique le recueil d'informations pertinentes provenant de diverses sources, en veillant à ce que les données soient à la fois exactes et fiables pour l'analyse ultérieure.

Techniques de Collecte de Données : Un Éventail d'Outils et d'Approches

Le processus de collecte de données comprend généralement une combinaison d'outils manuels et automatisés. Les organisations peuvent utiliser des logiciels de gestion de la performance, des systèmes d'information sur les ressources humaines (SIRH), des enquêtes auprès des employés et des sources externes pour capturer un ensemble diversifié de métriques, telles que les données démographiques des employés, les mesures de performance, les dossiers de formation et les enquêtes d'engagement.

L'implémentation d'outils automatisés peut améliorer l'efficacité, en particulier lorsqu'il s'agit de traiter de multiples silos de données et des environnements de stockage cloud, permettant une extraction et une intégration transparentes des données. Les SIRH, par exemple, centralisent de nombreuses données RH et facilitent leur extraction pour l'analyse. Les plateformes cloud offrent une flexibilité et une accessibilité accrues pour la gestion et l'analyse des données RH.

Les enquêtes auprès des employés constituent une source précieuse de données qualitatives et quantitatives sur l'engagement, la satisfaction et les opinions des employés. Elles peuvent être menées en ligne ou sur papier, et peuvent être anonymes pour encourager des réponses honnêtes.

Les sources externes peuvent inclure des données de benchmarking (comparaison avec d'autres entreprises du secteur), des études de marché sur les salaires et les avantages sociaux, et des informations sur les tendances du marché du travail.

Approche Systématique de la Collecte de Données : Définir des Objectifs Clairs

Une approche systématique de la collecte de données est cruciale pour obtenir des résultats précis. Les organisations devraient définir des objectifs clairs avant de lancer le processus de collecte de données, ce qui leur permettra d'affiner leur pool de données et de sélectionner uniquement les informations les plus pertinentes.

Avant de commencer la collecte, il est important de déterminer quelles sont les questions auxquelles on souhaite répondre grâce à l'analyse des données. Par exemple, si l'objectif est d'améliorer la rétention des employés, les données à collecter pourraient inclure les raisons des départs (via les enquêtes de départ), les niveaux d'engagement (via les enquêtes d'engagement) et les données de performance.

Les données collectées peuvent inclure à la fois des aspects quantitatifs (chiffres, statistiques) et qualitatifs (opinions, perceptions), permettant d'obtenir une vision globale de la performance et de l'engagement des employés. Il est important de choisir les méthodes de collecte de données les plus appropriées en fonction des objectifs et des types de données recherchés.

Préparation des Données et Contrôle Qualité : Assurer la Fiabilité des Informations

Une fois les données recueillies, elles subissent une phase de préparation, qui implique le nettoyage et l'organisation des informations pour garantir leur exactitude et leur fiabilité. Cette phase peut inclure le nettoyage des données (suppression des doublons, correction des erreurs), l'intégration des données provenant de différentes sources et la transformation des données pour les rendre aptes à l'analyse.

Les organisations doivent également être vigilantes quant aux incohérences potentielles dans la capture des données, qui peuvent survenir lorsque différents départements utilisent des processus de formatage variables. La mise en place de procédures de standardisation et de contrôles de qualité réguliers est essentielle pour assurer l'intégrité des données.

Un contrôle qualité rigoureux permet de minimiser les erreurs et les biais qui pourraient fausser les résultats de l'analyse. Il peut inclure la vérification de la validité des données, la détection des valeurs aberrantes et la résolution des incohérences. Une préparation minutieuse des données est un prérequis indispensable pour obtenir des insights fiables et prendre des décisions éclairées.

Techniques d'Analyse de Données : Transformer les Chiffres en Insights Actionnables

Les techniques d'analyse de données dans le domaine des Ressources Humaines (RH) sont essentielles pour optimiser la performance de la main-d'œuvre et relever divers défis organisationnels. Ces techniques peuvent être classées en plusieurs types, chacun servant un objectif distinct dans le processus d'analyse.

Analytique Descriptive : Comprendre le Passé pour Éclairer le Présent

L'analytique descriptive constitue la couche fondamentale de l'analytique RH, se concentrant sur la synthèse des données historiques pour identifier des modèles et des tendances. Elle fournit aux professionnels des RH des informations sur les comportements passés, les aidant à répondre à des questions telles que le nombre d'employés embauchés l'année dernière, le salaire moyen pour un poste spécifique et le nombre d'employés ayant quitté l'organisation.

Ce type d'analyse implique divers calculs mathématiques et peut utiliser à la fois des données numériques et qualitatives pour évaluer les comportements, comparer les caractéristiques au fil du temps et identifier les anomalies. Les outils couramment utilisés dans l'analytique descriptive incluent les rapports RH, les tableaux de bord, les statistiques sommaires (moyennes, médianes, modes, écarts types) et les visualisations de données (graphiques, histogrammes).

Bien que l'analytique descriptive soit cruciale pour comprendre la performance passée, elle ne permet pas de prédire les résultats futurs. Elle se concentre sur la description de ce qui s'est passé, plutôt que sur l'explication des causes ou la prédiction de ce qui pourrait arriver.

Analytique Prédictive : Anticiper l'Avenir pour une Gestion Proactive

L'analytique prédictive utilise des algorithmes statistiques et des techniques d'apprentissage automatique pour analyser les données historiques et prévoir les résultats futurs. En identifiant les tendances et les modèles dans les données relatives à la main-d'œuvre, l'analytique prédictive peut anticiper des problèmes tels que le potentiel turnover des employés ou les lacunes en matière de compétences avant qu'ils ne se transforment en problèmes majeurs.

Par exemple, les modèles prédictifs peuvent indiquer quels employés sont susceptibles de quitter l'organisation dans un certain délai, permettant à la fonction RH de mettre en œuvre des stratégies de rétention ciblées. L'analytique prédictive peut également être utilisée pour prévoir les besoins futurs en personnel, identifier les candidats les plus susceptibles de réussir et évaluer le risque de non-conformité.

Les techniques couramment utilisées dans l'analytique prédictive comprennent la régression, la classification, les séries temporelles et les réseaux neuronaux. La construction de modèles prédictifs nécessite des données historiques de qualité, une expertise en statistiques et une compréhension approfondie des enjeux RH.

Analytique Prescriptive : Guider les Décisions pour Optimiser les Résultats

L'analytique prescriptive représente l'étape la plus avancée de l'analytique RH, offrant des recommandations actionnables basées sur les informations dérivées de l'analytique prédictive. Cette technique va au-delà de la simple prévision des tendances futures ; elle suggère des actions spécifiques que les professionnels des RH peuvent entreprendre pour optimiser la performance de la main-d'œuvre et atténuer les problèmes potentiels.

Par exemple, si l'analytique prédictive identifie un risque élevé de turnover, l'analytique prescriptive pourrait recommander des programmes de rétention personnalisés ou des initiatives d'engagement des employés renforcées. Elle utilise des algorithmes complexes et l'apprentissage automatique pour fournir ces recommandations ciblées, à l'image d'une ordonnance médicale pour la médecine préventive.

L'analytique prescriptive nécessite une compréhension approfondie des objectifs commerciaux de l'organisation, des contraintes opérationnelles et des leviers d'action disponibles pour la fonction RH. Elle permet de transformer les insights en actions concrètes et d'optimiser l'allocation des ressources RH pour atteindre les résultats souhaités.

Analytique Diagnostique : Identifier les Causes Profondes des Enjeux RH

S'appuyant sur l'analytique descriptive, l'analytique diagnostique approfondit l'analyse des données pour découvrir les causes sous-jacentes des problèmes de main-d'œuvre. En analysant les données historiques, les professionnels des RH peuvent identifier les facteurs spécifiques contribuant à des défis tels que des taux de turnover élevés ou un faible engagement des employés.

Cette technique permet aux organisations de comprendre non seulement ce qui s'est passé, mais aussi pourquoi cela s'est produit, rendant possible une prise de décision plus éclairée. Par exemple, l'analytique diagnostique pourrait révéler que le turnover élevé dans un certain département est lié à un manque d'opportunités de développement de carrière ou à un style de management inadéquat.

Les techniques utilisées dans l'analytique diagnostique comprennent l'analyse de corrélation, l'analyse de régression et l'analyse de variance. L'objectif est d'identifier les relations de cause à effet entre différentes variables RH et les résultats organisationnels.

Collecte et Préparation des Données : Prérequis Indispensables à une Analyse Efficace

L'efficacité de ces techniques analytiques dépend fortement de processus robustes de collecte et de préparation des données. Des données pertinentes doivent être recueillies auprès de diverses sources, notamment les systèmes RH, les logiciels de gestion de la performance et les enquêtes auprès des employés. Une fois collectées, les données doivent être nettoyées et organisées pour garantir leur exactitude et leur fiabilité, ce qui implique le nettoyage, l'intégration et la transformation des données. Ce n'est qu'après une préparation minutieuse que les organisations peuvent analyser efficacement les données pour en tirer des insights et orienter des stratégies RH éclairées.

Suivi et Évaluation : Mesurer l'Impact des Interventions et Ajuster les Stratégies

Après avoir mis en œuvre les insights tirés de ces techniques analytiques, un suivi et une évaluation continus sont cruciaux. Les organisations devraient suivre l'impact des changements apportés et évaluer régulièrement les indicateurs clés de performance RH pour déterminer l'efficacité de leurs interventions. Des ajustements devraient être effectués si nécessaire pour s'aligner sur les objectifs organisationnels et pour s'assurer que les réglementations relatives à la confidentialité des données et à la conformité sont respectées tout au long du processus analytique. Le suivi et l'évaluation permettent de s'assurer que les initiatives RH basées sur les données produisent les résultats.

WEBGRAM, en tant que leader reconnu dans le domaine du développement web et mobile, a su se distinguer par son innovation et sa capacité à répondre aux besoins spécifiques des entreprises, notamment en Afrique. Parmi ses solutions phares, SmartTeam se positionne comme un outil puissant pour la gestion d'équipe et l'optimisation des performances organisationnelles. Fort de son expertise, WEBGRAM a intégré à SmartTeam un module dédié à l'exploitation des données RH, s'alignant parfaitement avec les principes fondamentaux exposés dans les sources fournies.

Ce module, conçu pour tirer parti des informations relatives aux ressources humaines, permet aux entreprises africaines d'adopter des stratégies RH basées sur des données probantes. Il facilite la collecte et l'organisation de diverses catégories de données RH essentielles, telles que les données de présence et d'absentéisme, offrant une vision claire de l'engagement et des potentiels problèmes de bien-être des employés. De même, l'intégration des métriques de performance des employés permet de suivre et d'évaluer la contribution de chacun aux objectifs de l'organisation, favorisant ainsi une gestion de la performance plus objective et éclairée.

Le module SmartTeam aborde également la gestion de la rémunération et des avantages sociaux, en permettant l'analyse de l'équité salariale et sur la satisfaction et la rétention des employés. En matière de recrutement, la solution intègre des fonctionnalités pour le suivi des candidatures et l'analyse des métriques de recrutement telles que le délai d'embauche et la qualité des nouvelles recrues, contribuant à l'amélioration continue des processus d'acquisition de talents. Un aspect crucial réside dans la collecte et l'analyse des données d'engagement et de satisfaction des employés via des sondages et des scores comme l'eNPS, offrant des indications précieuses sur le moral et l'engagement de la main-d'œuvre.

Au-delà de la simple collecte, le module SmartTeam propose des outils d'analyse de données RH. Il peut intégrer des fonctionnalités d'analyse descriptive pour comprendre les tendances passées, d'analyse prédictive pour anticiper les défis futurs comme le risque de turnover, et potentiellement d'analyse prescriptive pour suggérer des actions concrètes basées sur les prédictions. En Afrique, où les défis de gestion des talents peuvent être spécifiques, une telle intégration permet aux entreprises de prendre des décisions éclairées en matière d'acquisition, de développement et de rétention des talents, contribuant ainsi à l'optimisation de leur performance globale et à l'atteinte de leurs objectifs stratégiques. L'adoption d'une telle solution par les entreprises africaines témoigne de la reconnaissance croissante de l'importance des données RH pour un avantage concurrentiel durable.

WEBGRAM est leader (meilleure entreprise / société / agence) de développement d'applications web et mobiles et de logiciel de Gestion des Ressources Humaines en Afrique (Sénégal, Côte d’Ivoire, Bénin, Gabon, Burkina Faso, Mali, Guinée, Cap-Vert, Cameroun, Madagascar, Centrafrique, Gambie, Mauritanie, Niger, Rwanda, Congo-Brazzaville, Congo-Kinshasa RDC, Togo).