Vous avez choisi HiBob parce qu’il garde vos fondamentaux RH propres. Les données sont cohérentes. Les workflows sont prévisibles. L’adoption est généralement bonne. Puis la saison des entretiens de performance arrive, et vous constatez une lacune : la gestion de la performance HiBob fait office de socle, mais elle devient rarement le système sur lequel les managers s’appuient chaque semaine.
C’est pourquoi de nombreux décideurs RH cherchent une extension pensée dès le départ pour l’IA. Non pas parce que HiBob serait « mauvais ». Mais parce que la gestion de la performance n’est plus un formulaire à remplir deux fois par an. C’est une boucle de coaching continue, fondée sur les données. Et si vos outils ne collectent pas les bons signaux toute l’année, vos entretiens resteront superficiels.
Dans cet article, vous verrez (1) où le module natif HiBob Performance Review a tendance à créer des frictions, (2) ce qu’une solution moderne de gestion de la performance par l’IA doit offrir, et (3) comment une intégration par API, avec HiBob comme système de référence et une couche d’IA comme système d’action, change l’effort, la qualité et la gouvernance. Pour un contexte plus large sur les pratiques actuelles, vous pouvez le comparer au guide de la gestion de la performance de Sprad, qui décrit le passage des cycles aux workflows continus.
Pourquoi les équipes RH dépassent le module HiBob Performance Review
La plupart des équipes ne remplacent pas HiBob. Elles l’étendent. La raison est simple : vous voulez conserver HiBob comme dossier employé de référence, tout en rendant les conversations de performance plus rapides et plus cohérentes.
Quand on cherche « hibob performance management », on essaie souvent de résoudre l’un de ces problèmes opérationnels.
- Les managers partent d’une page blanche. Même avec des cycles structurés, les managers doivent encore rechercher le contexte : objectifs, feedbacks passés, actions ouvertes.
- Le biais de récence l’emporte. Si vous ne capturez pas de signaux hebdomadaires, le dernier projet domine le récit de l’entretien.
- Les notes de 1:1 ne deviennent pas des preuves de qualité pour l’évaluation. L’historique des réunions existe, mais il ne se transforme pas automatiquement en brouillon d’évaluation.
- Les RH courent après les retardataires. Les relances et rappels aident, mais les RH finissent quand même par coordonner, suivre et corriger.
- La préparation des calibrages est lourde. Vous pouvez organiser des sessions de calibrage, mais reconstituer « qui a fait quoi, et quand » reste manuel.
- Les analyses sont descriptives, pas prédictives. Vous pouvez rendre compte des résultats (turnover, scores d’engagement). Mais agir tôt reste difficile.
- Workflows fragmentés. Les managers vivent dans Teams/Slack et leurs calendriers, pas dans un énième portail.
Si cela vous parle, le problème n’est pas votre modèle d’entretien. C’est le modèle opérationnel. Le modèle classique suppose que les données de performance sont créées pendant le cycle. Les systèmes modernes partent du principe qu’elles sont collectées en continu, puis résumées automatiquement.
C’est aussi là que beaucoup de projets de gestion de la performance HiBob s’enlisent. Vous pouvez configurer le module Performance Review, mais vous ne pouvez pas obliger des managers débordés à tout retenir. Et vous ne pouvez pas garantir la qualité à grande échelle si chaque évaluation repose sur la mémoire de chacun.
Ce qu’une gestion de la performance HiBob « moderne » devrait offrir
Considérez une plateforme de performance comme un ensemble de trois couches :
Capturer (quels signaux vous collectez), assister (comment l’IA réduit l’effort) et encadrer (comment vous restez conforme et équitable). Si l’une des couches est faible, toute votre gestion de la performance HiBob paraît bureaucratique.
1) Des évaluations générées par l’IA à partir de données 1:1 continues (et non de formulaires de fin de cycle)
En 2025/26, l’attente est claire : les managers ne devraient plus rédiger les évaluations de zéro. Ils devraient modifier un brouillon ancré dans les conversations réelles de l’année.
Cela suppose une capture continue de :
- notes de 1:1 et actions à mener (avec dates et responsables)
- instantanés de l’avancement des objectifs
- feedbacks de pairs et contributions 360
- actions de développement (formations, missions d’envergure, mentorat)
L’apport de l’IA n’est pas une « formulation plus jolie ». C’est la compression : transformer des dizaines de petits signaux en un récit structuré qui correspond à votre modèle de compétences.
Sprad positionne cela comme un workflow central de sa suite talents : elle réunit performance, développement et conversations au même endroit grâce aux workflows de gestion des talents, puis utilise un agent d’IA pour rédiger le texte d’évaluation à partir des contributions continues.
2) Des ordres du jour de réunion automatisés, avec le contexte historique
Les managers n’ont pas du mal parce qu’ils s’en moquent. Ils ont du mal parce que le contexte est dispersé. Une extension moderne de gestion de la performance HiBob devrait préparer chaque 1:1 ainsi :
- « La dernière fois, vous aviez convenu… » avec les actions encore ouvertes
- point sur les objectifs : ce qui a avancé et ce qui a stagné
- signaux de risque (suivis manqués, blocages récurrents)
- questions de coaching basées sur les attentes du poste
C’est là que « l’IA comme agent » devient concrète. Un agent ne se contente pas de résumer. Il extrait les passages pertinents, construit un ordre du jour, puis suit les résultats après la réunion. Sprad décrit ce workflow dans sa présentation de l’agent d’IA Atlas et le relie directement à l’exécution par les managers, pas à l’administration RH.
Si vous voulez vérifier votre standard interne pour les 1:1, la ressource détaillée de Sprad sur les 1:1 efficaces est une référence utile pour voir à quoi ressemble le « bien fait » une fois systématisé.
3) Des analyses prédictives exploitables (en particulier sur le risque de départ et d’épuisement)
Un reporting descriptif vous dit ce qui s’est passé. Des signaux prédictifs vous disent quoi faire la semaine prochaine.
Dans la pratique, les responsables RH posent des questions comme :
- Quelles équipes montrent des signaux d’engagement en baisse et un suivi managérial faible ?
- Où l’avancement des objectifs a-t-il stagné dans toute une fonction ?
- Quels collaborateurs très performants montrent des indices de « quiet quitting » dans les données de conversation ?
Vous n’avez pas besoin de scores « boîte noire ». Il vous faut des indicateurs explicables, liés à des éléments précis : 1:1 manqués, blocages récurrents, plans de développement à l’arrêt, thèmes négatifs dans les commentaires libres. Sprad aborde ce sujet dans une discussion dédiée sur la détection du risque de départ par l’IA, en insistant sur les signaux et les actions plutôt que sur la surveillance.
4) Une intégration fluide dans les workflows (Teams/Slack, calendriers, SIRH)
Si les managers doivent quitter leurs outils quotidiens, l’adoption chute. Votre architecture cible devrait donc ressembler à ceci :
HiBob reste votre système de référence (structure organisationnelle, rôles, relations hiérarchiques, cycle de vie des collaborateurs). La couche de performance devient le système d’action : elle envoie des rappels dans Teams/Slack et réécrit les résultats via l’API.
C’est la différence entre « nous avons un module Performance Review » et « nous avons un système d’exploitation de la performance ». La recherche « hibob performance management » traduit souvent le souhait d’obtenir ce second cas, tout en gardant HiBob comme colonne vertébrale.
5) Cohérence, équité et auditabilité dès la conception
La gestion de la performance par l’IA accélère les choses. Elle peut aussi augmenter le risque si la gouvernance est faible.
Dans l’espace DACH, ce n’est pas abstrait. Les collaborateurs et les comités d’entreprise poseront les questions suivantes : quelles données sont traitées ? Qui voit quoi ? Combien de temps sont-elles conservées ? L’IA prend-elle des décisions ?
Une solution moderne doit proposer :
- des droits d’accès par rôle (au niveau des champs si possible)
- des règles de conservation claires pour les notes et les feedbacks
- des journaux d’audit pour les accès et les modifications
- un contrôle humain pour toute suggestion générée par l’IA
C’est aussi là que « IA d’abord » ne doit pas signifier « IA partout ». Cela doit signifier « l’IA là où elle supprime l’administratif, tandis que les humains gardent les décisions ».
Comment une extension axée IA s’intègre à HiBob (et pourquoi la profondeur de l’API compte)
Il existe deux façons d’« étendre » la gestion de la performance HiBob :
1) L’add-on superficiel. Vous greffez un outil qui mène des cycles parallèles. Les données sont saisies en double. Les RH rapprochent les résultats à la main.
2) La couche intégrée. Vous gardez HiBob comme source unique de vérité. L’outil de performance synchronise les données des collaborateurs, déclenche les workflows et réécrit les résultats.
Si vous évaluez une intégration, la profondeur de l’API est la première question technique à poser. Vous voulez au minimum :
- Synchronisation des collaborateurs et de l’organisation (nouvelles recrues, départs, changements de manager)
- Objectifs et objets d’évaluation (pour ne pas recréer les structures)
- Signaux de statut et d’achèvement (pour que les tableaux de bord RH restent cohérents)
- Mapping des droits d’accès (pour que les accès reflètent votre gouvernance RH)
Le positionnement produit de Sprad correspond exactement à cette approche d’« extension axée IA » : HiBob reste en place, tandis qu’Atlas aide les managers avec des rappels proactifs, la préparation des réunions et la rédaction des évaluations. Pour une illustration concrète de workflows pilotés par des agents, au-delà du chat, l’article de Sprad sur les logiciels RH agentiques explique ce qui change quand l’IA peut exécuter des étapes, et pas seulement suggérer du texte.
Le point stratégique pour vous : quand l’IA est intégrée à votre workflow, les données de performance deviennent un registre vivant. Quand elle est simplement greffée, vous vivez toujours la course annuelle à la documentation.
HiBob standard vs extension axée IA (Sprad) : comparatif fonctionnel pour la gestion de la performance HiBob
HiBob couvre bien l’essentiel : cycles structurés, modèles et une expérience SIRH propre. La lacune se situe généralement dans la capture continue, l’accompagnement proactif et les analyses prédictives.
| Capacité | HiBob standard (module natif) | Sprad (extension axée IA avec Atlas) |
|---|---|---|
| Rédaction des évaluations | Les managers rédigent le contenu à chaque cycle ; les synthèses dépendent de ce qui a été saisi | L’IA rédige des évaluations à partir de signaux continus (1:1, feedbacks, objectifs), puis les managers les modifient |
| Historique de performance continu | Prend en charge les 1:1 et les cycles, mais la continuité dépend de la discipline manuelle | Conçu pour collecter et structurer les signaux en continu, de sorte que l’année est « déjà rédigée » |
| Préparation des 1:1 | Modèles et historique des réunions ; la création de l’ordre du jour est manuelle | Ordres du jour générés automatiquement avec contexte historique et actions ouvertes |
| Relances aux managers | Rappels dans la plateforme ou par e-mail, selon la configuration | Rappels proactifs conçus pour les workflows dans les canaux de travail (par ex. Teams/e-mail), avec suivis |
| Signaux prédictifs | Bon socle de reporting SIRH ; signaux prédictifs de coaching limités dans le module | Indicateurs de risque pilotés par l’IA (schémas de départ/épuisement) avec preuves explicables |
| Préparation du calibrage | Soutien à un processus structuré ; la préparation exige encore une consolidation manuelle | Consolidation des éléments de preuve assistée par l’IA pour les discussions de calibrage |
| Charge administrative | Les RH coordonnent les cycles et l’achèvement, souvent avec des relances manuelles | Sprad indique que l’automatisation peut réduire l’effort de préparation manuelle d’environ 60 à 70 % |
| Gouvernance et auditabilité | Contrôle d’accès et socle de conformité de niveau SIRH | Accent sur les pistes d’audit et la supervision humaine des suggestions de l’IA (positionnement prêt pour l’UE/DACH) |
Ce tableau n’a pas vocation à « remplacer » votre configuration HiBob. Il montre un schéma : gardez la gestion de la performance HiBob comme colonne vertébrale RH, puis utilisez une couche d’IA là où le temps humain est gaspillé : rédaction, consolidation, préparation et relances.
Deux cas d’usage pratiques à tester (sans tout risquer)
Pour convaincre la direction, il faut plus que parler de fonctionnalités. Il vous faut un pilote avec des résultats mesurables. Le plus simple est de choisir un département, de mener un cycle et de comparer l’effort et la qualité avec votre dernier cycle.
Cas d’usage 1 : une scale-up de 200 collaborateurs réduit la préparation des évaluations de plusieurs semaines à quelques jours
Ce qui ralentit les scale-ups, ce n’est pas la réunion d’évaluation. C’est la préparation : recueillir les avis des pairs, reconstituer les objectifs, rédiger les synthèses et s’aligner entre managers.
Dans ses propres documents sur la gestion de la performance, l’entreprise indique que l’automatisation pilotée par Atlas peut réduire l’effort de préparation d’environ 60 à 70 %. Vous pouvez la traiter comme une hypothèse, puis la valider dans votre environnement avec des mesures simples :
- Mesurez le temps de préparation du manager par collaborateur direct (une estimation déclarative suffit pour un pilote).
- Mesurez le temps administratif des RH (paramétrage, relances, consolidation).
- Évaluez la qualité des entretiens avec une seule question : « Cette évaluation reflétait-elle toute la période ? »
- Mesurez la durée du cycle (temps calendaire entre le lancement et l’achèvement).
Si votre processus actuel de gestion de la performance HiBob est lourd, le gain sera souvent le plus important à deux endroits : les brouillons automatiques et la préparation automatique des réunions. L’analyse approfondie de Sprad sur l’IA pour les entretiens de performance décrit comment les brouillons gagnent en crédibilité quand ils reposent sur des preuves, et non sur la mémoire.
Cas d’usage 2 : les RH détectent plus tôt le risque de départ grâce aux signaux de conversation
La plupart des actions de rétention démarrent trop tard. Quelqu’un démissionne, vous menez un entretien de départ, et vous apprenez ce que vous auriez pu changer des mois plus tôt.
Une couche d’IA au-dessus de la gestion de la performance HiBob peut repérer plus tôt des schémas, sans lire de messages privés ni « surveiller » les collaborateurs. Les signaux sont souvent des signaux de processus :
- des 1:1 régulièrement annulés
- des actions non clôturées sur plusieurs cycles
- des commentaires d’engagement qui deviennent négatifs avec le temps (au niveau de l’équipe)
- un avancement des objectifs qui stagne avec des blocages récurrents
Tout dépend de la façon dont vous utilisez cet éclairage. S’il devient de la surveillance, vous perdrez la confiance. S’il devient des questions de coaching et des ajustements de charge de travail, vous gagnerez en crédibilité. Pour trouver cet équilibre, le point de vue de Sprad sur la gestion de la performance sans micromanagement correspond à ce que les parties prenantes DACH attendent généralement : transparence, proportionnalité et intention claire de développement.
ROI : comment modéliser la valeur d’une gestion de la performance HiBob portée par l’IA
Les discussions sur le ROI s’enlisent quand on ne parle que de « meilleur feedback ». Rendez-le mesurable. Utilisez trois catégories : temps, rétention et qualité des décisions.
1) Temps gagné (RH + managers)
Commencez par un calcul simple :
(heures gagnées par manager et par cycle) × (nombre de managers) × (cycles par an) × (coût horaire chargé)
Si une couche d’IA rédige les évaluations et prépare les ordres du jour des 1:1, la réduction du temps est généralement visible rapidement. Sprad affirme dans son positionnement jusqu’à environ 60 à 70 % de préparation manuelle en moins pour certains workflows, ce que vous pouvez valider dans un pilote.
2) Départs évités (rôles ciblés uniquement)
Ne modélisez pas une « réduction du turnover à l’échelle de l’entreprise » si vous ne pouvez pas la prouver. Modélisez un scénario réaliste : une poignée de départs regrettés sur des rôles critiques.
(nombre de départs évités) × (coût de remplacement par poste)
Le coût de remplacement varie selon le poste et le marché. Dans l’espace DACH, il peut être considérable une fois ajoutés le temps de recrutement, la montée en compétence et la perte de productivité. Vous n’avez pas besoin d’un chiffre parfait pour comparer les interventions « avant et après ».
3) Qualité des décisions (calibrage, promotions, développement)
Celle-ci est plus difficile à chiffrer, mais vous pouvez quand même mesurer des signaux :
- moins de revirements de notes après discussion en calibrage
- des scores de confiance des managers plus élevés (« j’avais assez d’éléments pour noter équitablement »)
- des taux de réalisation plus élevés des actions de développement fixées lors des entretiens
Avec le temps, c’est là que la gestion de la performance HiBob devient stratégique : vous ne documentez plus seulement la performance. Vous améliorez la façon dont les décisions sont prises.
Le prisme DACH : RGPD, comité d’entreprise et AI Act européen (de façon synthétique et pratique)
Si vous opérez en Allemagne, en Autriche ou en Suisse, vous connaissez déjà la règle : les données de performance sont sensibles. L’IA rend cette sensibilité visible. Les questions arriveront tôt. Préparez-vous tôt.
RGPD : traiter la performance comme une donnée de collaborateur hautement sensible
Selon le RGPD, les données de performance des collaborateurs peuvent présenter un risque élevé, surtout lorsque vous appliquez une analyse automatisée. Un mécanisme courant est l’analyse d’impact relative à la protection des données (AIPD) au titre de l’article 35 du RGPD. Vous pouvez vous référer au texte juridique sur EUR-Lex (RGPD) pour vous aligner en interne avec le service juridique et votre DPO.
Garanties pratiques à exiger de toute extension de gestion de la performance HiBob :
- minimisation des données (ne collecter que ce qui est nécessaire au coaching et aux entretiens)
- règles claires de conservation et de suppression des notes
- chiffrement et contrôle des accès
- journaux d’audit pour les accès et les modifications
Comité d’entreprise (Allemagne) : la codétermination peut s’appliquer
En Allemagne, les systèmes capables de surveiller le comportement ou la performance peuvent relever de la codétermination. La référence pertinente est souvent le §87 BetrVG. Vous pouvez renvoyer les parties prenantes au texte officiel de la loi via Gesetze im Internet (BetrVG).
Cela ne signifie pas que vous ne pouvez pas mener d’entretiens assistés par l’IA. Cela signifie que vous devez définir, documenter et convenir de garde-fous. La voie la plus rapide est généralement la suivante :
- positionner le système comme orienté développement d’abord, et non sanction d’abord
- définir quelles données ne sont pas utilisées (par exemple : pas de suivi caché de la productivité)
- fixer des seuils d’anonymat pour les analyses d’équipe
- inscrire la supervision humaine dans les règles : l’IA suggère, les managers décident
AI Act européen : anticiper les exigences « à haut risque » pour les cas d’usage d’évaluation des collaborateurs
L’AI Act européen relève le niveau d’exigence en matière de transparence et de supervision pour certains usages de l’IA, y compris les domaines liés aux décisions d’emploi. Utilisez la source juridique officielle EUR-Lex pour suivre les mises à jour et les actes délégués au fur et à mesure qu’ils sont disponibles dans votre processus de conformité.
Sur le plan opérationnel, demandez aux éditeurs :
- l’explicabilité (quels éléments ont motivé la suggestion)
- l’approche et le reporting des tests de biais
- des contrôles avec intervention humaine (aucune décision entièrement automatisée)
- une documentation que vous pouvez partager avec les représentants des salariés
C’est ici qu’un « simple assistant d’écriture IA » se distingue d’un véritable système de gestion de la performance par l’IA. Le second doit s’accompagner de gouvernance, pas seulement de fonctionnalités.
Guide de mise en œuvre : ajouter une gestion de la performance par l’IA à HiBob sans chaos
Les meilleures mises en œuvre gardent un périmètre serré, prouvent la valeur, puis étendent. C’est d’autant plus important quand on change les habitudes des managers.
Étape 1 : définir le modèle opérationnel (continu ou cycle seul)
Décidez de ce que vous voulez standardiser :
- des 1:1 hebdomadaires ou bimensuels avec suivi des actions
- des points trimestriels avec des questions légères
- un ou deux cycles d’entretiens formels par an
Si vous ne faites encore que des entretiens annuels, une extension d’IA vous aidera, mais vous l’exploiterez peu. Les gains les plus importants arrivent quand la capture continue alimente automatiquement le cycle.
Étape 2 : cartographier les flux de données avec HiBob (règles du système de référence)
Gardez le contrat simple :
HiBob possède l’identité, la structure et le cycle de vie. L’extension possède les workflows de performance, la rédaction et les questions de coaching. Réécrivez les résultats là où c’est nécessaire.
C’est aussi là que votre checklist d’« intégration HiBob » doit inclure les cas limites : changements de manager en cours de cycle, mobilités internes, congés prolongés et départs.
Étape 3 : d’abord la gouvernance, ensuite le déploiement
Avant le pilote, définissez :
- ce qui est conservé comme dossier officiel et ce qui relève de notes de coaching privées
- qui peut accéder à quoi (HRBP, manager, N+2)
- combien de temps les notes en texte libre restent disponibles
- comment les collaborateurs peuvent consulter et contester les dossiers, le cas échéant
Étape 4 : piloter un workflow que les managers ressentent immédiatement
Si vous voulez de l’adoption, commencez là où les managers souffrent. Deux pilotes à fort impact :
- des ordres du jour de 1:1 générés par l’IA avec suivi des actions
- des récits d’évaluation rédigés par l’IA à partir de notes continues
Sprad publie une vision structurée du processus dans son playbook de gestion de la performance, qui peut vous aider à standardiser le workflow avant de l’automatiser.
Étape 5 : conduire le changement comme un lancement de produit
La plupart des frictions de la gestion de la performance HiBob ne sont pas techniques. Elles sont comportementales. Traitez donc cela comme un accompagnement :
- donnez aux managers des modèles et des questions d’ordre du jour « clés en main »
- formez à la modification des brouillons d’IA (quoi accepter, quoi réécrire)
- fixez un standard : « pas d’évaluation vierge », car les brouillons sont préremplis
- créez un circuit d’escalade léger pour les cas sensibles
Si vous voulez une séquence de changement dédiée à l’adoption d’un outil de performance, Sprad décrit une approche structurée dans ce plan de changement pour les équipes RH, adapté à de nombreux déploiements en ETI.
Checklist d’évaluation des éditeurs : que demander au-delà de « est-ce que ça s’intègre ? »
Si vous comparez des options pour la gestion de la performance HiBob, les meilleures questions sont pratiques. Elles révèlent si vous obtiendrez une vraie automatisation ou simplement un portail de plus.
Intégration et modèle de données
- L’intégration HiBob est-elle bidirectionnelle, ou en import seul ?
- Comment gérez-vous les changements d’organisation en cours de cycle ?
- Pouvez-vous mapper proprement les rôles, les niveaux et les compétences ?
- Prenez-vous en charge SSO/SCIM, et quelle est la granularité des droits d’accès ?
Comportement de l’IA (là où se trouvent la valeur ou le risque)
- Quelles sources l’IA utilise-t-elle pour rédiger (uniquement les contributions d’évaluation, ou aussi les données 1:1 continues) ?
- Pouvez-vous montrer des citations ou des extraits de preuves derrière les suggestions de l’IA ?
- Les RH peuvent-elles configurer le ton, la structure et le mapping des compétences ?
- Quelle est votre politique en matière de supervision humaine et de désactivation de fonctionnalités ?
Gouvernance pour l’espace DACH et l’Europe
- Fournissez-vous une documentation prête pour l’AIPD et de la transparence sur les sous-traitants ?
- Quels journaux d’audit existent pour les accès, les modifications et les exports ?
- Pouvez-vous définir des règles de conservation pour les notes en texte libre ?
- Quelle documentation pouvez-vous fournir pour le comité d’entreprise (Allemagne) ?
Expérience manager (le moteur de l’adoption)
- Les rappels arrivent-ils là où travaillent les managers (Teams/Slack/e-mail), ou seulement dans l’outil ?
- Les managers peuvent-ils finaliser les évaluations en quelques minutes parce que les brouillons sont préparés ?
- Le suivi des actions est-il automatisé, ou dépend-il d’un suivi manuel ?
Le positionnement de Sprad avec Atlas est fort sur l’« exécution par les managers » : ordres du jour, brouillons et suivis. HiBob reste solide comme colonne vertébrale SIRH. Pour de nombreux acheteurs, la bonne réponse n’est pas « l’un ou l’autre ». C’est une pile connectée où la gestion de la performance HiBob devient continue et sans friction.
Conclusion : gardez HiBob comme colonne vertébrale, corrigez la réalité des managers
Si vos managers redoutent la saison des entretiens, vous n’avez pas un problème de motivation. Vous avez un problème de système. Préparation manuelle, contexte manquant et formulaires vierges créent du travail inutile. Le travail inutile tue la cohérence.
Pour de nombreuses équipes, la voie la plus efficace consiste à garder HiBob comme système de référence, puis à ajouter une couche de performance axée IA qui capture des signaux continus, rédige les évaluations, prépare les ordres du jour des 1:1 et répond aux exigences de gouvernance en Europe. Bien menée, la gestion de la performance HiBob cesse d’être un rendez-vous du calendrier pour devenir une habitude.


