Tous les cas d'usage
UC-20 · Performance & Feedback

Détection des signaux faibles de désengagement

L'agent analyse les données disponibles et alerte quand des signaux préoccupants apparaissent.

Impact · Intervention préventive avant démission, rétention améliorée.
Culture AmpPeakonHRISSlack APIClaude API

En quoi ça consiste

Apprenez à construire un agent intelligent capable d'anticiper les départs. Plutôt que de réagir après une démission, votre 'Employee Retention Risk Agent' analyse en continu les enquêtes d'engagement (Peakon, Culture Amp) et les données du SIRH pour lever un drapeau rouge dès les premiers signes de lassitude. Le tout en utilisant la puissance d'analyse textuelle de Google Gemini.

Prérequis

  • Un compte Google (pour Gemini et AI Studio).
  • Un compte Make.com (plan gratuit suffisant pour débuter).
  • Un accès administrateur à vos outils de feedback (Peakon, Culture Amp) ou un export Excel régulier.

Étapes pas-à-pas

  1. 1

    Étape 1 : Centraliser les données avec Make.com

    Connectez les flux de données de vos outils RH (Culture Amp, Peakon ou export CSV du SIRH) vers un scénario Make. L'objectif est de centraliser les feedbacks anonymisés ou les données RH (absentéisme, évolution de carrière, retards successifs).

    Prompt Gemini à coller
    Aucun pour cette étape technique.
    Créer un compte Make Documentation API Culture Amp
  2. 2

    Étape 2 : Configurer l'analyse de sentiment avec Gemini

    Ouvrez Google Gemini et créez une instance capable d'analyser les textes de feedbacks ou les indicateurs quantitatifs. Nous allons lui apprendre à repérer le ton (sentiment) et les thématiques de désengagement (perte de sens, sentiment d'injustice).

    Prompt Gemini à coller
    Je vais te fournir des feedbacks d'employés (anonymisés) et des données d'activité. Ton rôle est d'identifier les 'signaux faibles' de désengagement : changement de ton, critiques récurrentes sur le management, ou baisse soudaine de participation aux enquêtes. Liste les risques détectés de 1 à 10.
    Accéder à Google Gemini
  3. 3

    Étape 3 : Automatiser l'analyse des données via l'API Gemini

    Dans Make, ajoutez un module 'Google Gemini'. Configurez-le pour envoyer les données recueillies à l'étape 1 vers l'IA en utilisant le prompt système défini plus bas. L'IA traitera chaque ligne de donnée pour évaluer le niveau de risque.

    Prompt Gemini à coller
    Voici les données : {{donnees_brutes}}. Analyse le risque de désengagement selon la méthodologie apprise.
    Google AI Studio (pour obtenir une clé API)
  4. 4

    Étape 4 : Configurer l'alerte préventive sur Slack

    Créez une branche de condition dans Make : si le score de risque calculé par Gemini est supérieur à 7/10, envoyez une alerte privée immédiate sur Slack au Responsable RH ou au manager concerné avec une recommandation d'action.

    Prompt Gemini à coller
    Rédige une recommandation d'entretien en 3 points pour un manager dont un membre de l'équipe montre des signes de désintérêt pour ses projets. Garde un ton bienveillant et constructif.
    API Slack pour Make

Le prompt complet de votre agent Gemini

Tu es un expert en psychologie du travail et analyste en rétention de talents. Ton rôle est d'analyser les données RH suivantes : {{donnees_feedbacks}}.

Ta mission :
1. Détecter les signaux faibles (changement de vocabulaire, lassitude, désalignement avec les valeurs).
2. Attribuer un 'Score de Risque de Départ' de 1 à 10.
3. Identifier la cause racine probable (Salaire, Management, Manque de perspectives, Charge de travail).
4. Rédiger une alerte concise pour les RH sans nommer l'employé si les données sont anonymes.

Consignes : Sois factuel, évite les généralités, et base-toi sur les nuances sémantiques. Si le risque est > 7, commence ton message par 🚨 ALERTE RÉTENTION.

Résultat attendu

Vous recevrez une notification Slack automatique dès qu'un feedback ou un comportement RH suggère un risque de désengagement, vous permettant d'agir dans les 48h par un café ou un entretien de bien-être.

Pièges à éviter

  • Ne pas anonymiser les données avant l'envoi à l'IA (RGPD).
  • Saturer les managers d'alertes pour des signaux trop faibles (régler le seuil de score à 7 ou 8).
  • Oublier que l'IA propose, mais que l'humain décide : vérifiez toujours le contexte avant d'agir.

Pour aller plus loin

  • Intégrez l'analyse des données d'absentéisme croisées avec les feedbacks.
  • Utilisez Gemini pour générer des guides de discussion personnalisés pour les entretiens de rétention.