Un cadre commun rend les évaluations assistées par l’IA plus fiables : vous et vos managers vous accordez sur ce que signifie « bien », sur les preuves retenues et sur la façon dont le langage correspond aux notes. Il réduit aussi les improvisations de dernière minute, car les attentes sont explicites avant le Mitarbeitergespräch. Utilisez-le pour rédiger des phrases d’évaluation de performance par IA qui restent précises, équitables et défendables.

Domaine de compétence Débutant (utilise l’IA pour des brouillons) Praticien (s’appuie sur des preuves) Avancé (calibre et réduit les biais) Référent (fixe les standards et la gouvernance)
Ancrage dans les preuves Donne quelques points à l’IA et corrige les erreurs évidentes. Fournit objectifs, notes de 1:1, contexte de projet et résultats ; retire tout ce qui n’est pas vérifiable. Utilise des dossiers de preuves homogènes d’un évaluateur à l’autre ; signale les données manquantes avant de rédiger. Définit les exigences de preuves et les règles de conservation ; audite les schémas de « preuves insuffisantes ».
Cohérence avec la notation Adapte le ton aux libellés de notation, mais mélange comportements et résultats. Rattache chaque énoncé à la grille de notation et à la période ; évite les formulations contradictoires. Vérifie la cohérence des notes entre pairs et entre rôles ; remonte les cas limites pour examen. Pilote les mises à jour de la grille et les règles de calibrage ; suit la dérive des notes d’un cycle à l’autre.
Précision et clarté Utilise des modèles avec des champs comme [projet] et [indicateur]. Ajoute des exemples concrets, le périmètre et l’impact (« et alors ? ») ; supprime les éloges génériques. Équilibre points forts et axes de progrès avec des prochaines étapes claires et des attentes mesurables. Crée des standards de formulation et des listes de termes interdits ; forme les managers à la qualité rédactionnelle.
Biais et équité Fait un contrôle rapide du ton pour éviter les formulations dures. Repère le langage codé et les doubles standards ; demande des contre-exemples. Utilise des comparaisons structurées et le calibrage ; surveille les effets de récence et de halo. Met en place des contrôles de biais et des échantillonnages ; examine les résultats pour détecter des écarts défavorables par groupe.
Prompts et itération Utilise un seul prompt et retient le premier brouillon exploitable. Itère avec des contraintes (longueur, preuves, grille) ; demande à l’IA d’expliciter ses hypothèses. Utilise des playbooks de prompts par compétence et par note ; standardise les entrées entre les équipes. Tient une bibliothèque de prompts interne ; versionne les modèles et évalue les changements.
Préparation à l’entretien Prépare des commentaires, mais peine face aux questions de suivi. Relie le feedback aux objectifs et aux prochaines étapes ; sait expliquer calmement « pourquoi cette note ». Anticipe les réactions, prépare des exemples et garde l’échange tourné vers l’avenir. Forme les managers aux scripts et aux circuits d’escalade ; améliore la cohérence des entretiens.
Documentation et gouvernance Enregistre le texte final dans l’outil RH. Conserve les références de preuves et les dates ; signale l’aide de l’IA lorsque c’est exigé en interne. Garantit une justification prête pour un audit ; sépare les notes de développement de l’évaluation formelle. Définit l’usage acceptable de l’IA, les règles sur les données (RGPD/comité d’entreprise) et les contrôles du cycle d’évaluation.

Points clés

  • Utilisez le tableau pour définir « ce qu’est un bon niveau » par compétence et par niveau de maturité.
  • Transformez les éloges vagues en commentaires fondés sur des preuves, liés aux objectifs et à la période.
  • Calibrez les notes à partir de dossiers de preuves communs, pas du style d’écriture.
  • Utilisez la banque de phrases comme modèles, puis remplacez les champs par de vrais exemples.
  • Adoptez les prompts et les checklists pour réduire les biais et le côté « générique » de l’IA.

Définition

Ce cadre de compétences décrit comment les RH et les managers utilisent l’IA pour rédiger des commentaires d’évaluation de performance sans inventer de faits ni perdre en crédibilité. Il appuie les décisions sur les parcours de carrière, les notes de performance, la maturité pour une promotion et le plan de développement, en définissant des niveaux de maturité de l’écriture assistée par l’IA, des comportements observables et des standards de preuves pour les évaluations, les retours des pairs et les sessions de calibrage.

Où l’IA aide, et où elle nuit, dans les commentaires d’évaluation de performance

L’IA fait gagner du temps lorsque vous disposez déjà des éléments de base : objectifs, résultats, exemples et une grille claire. Elle fait perdre la confiance lorsqu’elle produit un texte soigné mais vide, ou lorsqu’elle « comble les trous » avec des détails inventés. Pour gagner en rapidité sans prendre de risque, traitez l’IA comme un éditeur et un outil de structuration, pas comme une source de vérité.

Cette ressource complète votre bibliothèque de phrases existante (voir phrases d’évaluation de performance) en rendant chaque modèle compatible avec l’IA : court, précis et facile à ancrer dans des preuves. Si vous menez des cycles d’évaluation formels, associez-la à des formulaires structurés comme les modèles d’évaluation de performance afin que les managers consignent leurs éléments avant de solliciter un assistant.

  • Donnez à l’IA des faits, pas des conclusions : « ce qui s’est passé, quand, avec quel impact », puis demandez la formulation.
  • Empêchez l’« invention de réussites » : exigez des liens vers les OKR, les tickets, les notes clients ou les synthèses de 1:1.
  • Standardisez la longueur et la structure : 2-3 phrases par compétence, plus une prochaine étape.
  • Séparez le feedback de développement du langage d’évaluation formelle si votre processus l’exige.
  • Si vous utilisez un outil comme Sprad Growth ou Atlas AI, gardez des entrées cohérentes d’un manager à l’autre.

Phrases d’évaluation de performance par IA, par domaine × note (200 exemples)

Chaque phrase ci-dessous est un modèle. Vous devez encore renseigner les champs comme [projet], [indicateur], [période] et [preuve]. Dans les contextes DACH, évitez les superlatifs sans preuve et gardez un ton assez posé pour la documentation et le calibrage.

1) Collaboration & communication

Utilisez l’IA pour resserrer la structure et supprimer le remplissage, pas pour « améliorer » l’histoire. Donnez-lui des notes de réunion, des exemples de travail d’alignement et des résultats concrets de collaboration.

  • Éléments à fournir : notes de 1:1, citations de feedback des pairs, résultats de réunions, journaux de décisions.
  • À éviter : « excellent communicant » sans exemples, étiquettes de personnalité ou procès d’intention (« vous vous en fichez »).
  • Modèle de prompt : « Reformule ce feedback en 2 phrases + 1 prochaine étape, en t’appuyant sur des exemples. »
  • Remarque DACH : un feedback direct est acceptable ; restez factuel et évitez le sarcasme.

Dépasse les attentes

  • Vous avez aligné [parties prenantes] très tôt sur [projet], évitant des reprises et économisant [temps/coût].
  • Vous avez transformé des demandes floues en décisions claires, documentées dans [document/lien] le [date].
  • Vous avez géré un conflit lors de [réunion], gardé un ton neutre et obtenu un accord sur [prochaine étape].
  • Vous avez coaché [collègue] de façon proactive sur la communication, ce qui a amélioré les transmissions sur [processus].
  • Vous avez adapté votre message à [public], ce qui a renforcé l’adhésion à [changement] en [période].
  • Vous avez signalé les risques tôt et exposé les arbitrages, évitant des retards sur [projet].
  • Vous avez amélioré les points asynchrones (notes hebdomadaires sur [canal]), réduisant les réunions de suivi de [nombre].
  • Vous avez systématiquement bouclé la boucle avec les parties prenantes, réduisant les questions ouvertes sur [sujet].

Répond aux attentes

  • Vous partagez des points clairs sur [projet] et répondez dans [SLA/délai].
  • Vous expliquez les décisions et les arbitrages de façon que l’équipe puisse agir.
  • Vous écoutez pendant les discussions et reformulez les points clés avant de proposer des solutions.
  • Vous consignez les accords dans [outil] pour que les autres puissent s’y référer ensuite.
  • Vous collaborez bien avec [équipe] et assurez des transmissions fluides pour [livrable].
  • Vous posez tôt des questions de clarification, ce qui réduit les malentendus sur [tâche].
  • Vous signalez rapidement les blocages et proposez au moins une option pour les lever.
  • Vous gardez les réunions centrées et les terminez avec des responsables et des échéances.

En dessous des attentes / à améliorer

  • Les points sur [projet] ont été irréguliers, retardant les décisions de [période].
  • Vos messages manquaient souvent de contexte, ce qui a entraîné des reprises sur [livrable].
  • Vous avez escaladé tard sur [sujet], ce qui a augmenté le risque pour [échéance].
  • Lors de [réunion], votre ton a coupé court aux contributions ; nous avons besoin d’une discussion neutre et factuelle.
  • La documentation sur [sujet] manquait, obligeant les autres à reposer les mêmes questions.
  • Vous vous engagez parfois en réunion sans confirmer le suivi par écrit.
  • Les attentes des parties prenantes n’ont pas été clarifiées, d’où une dérive du périmètre sur [projet].
  • Vous répondez lentement sur [canal], ce qui bloque le travail dépendant de [équipe].
  • Prochain cycle : envoyer chaque semaine des notes d’avancement avec décisions, risques et demandes.

2) Responsabilité & fiabilité

L’IA peut vous aider à nommer les comportements de fiabilité sans paraître accusatoire. Donnez-lui les calendriers, les engagements et ce que « terminé » voulait dire.

  • Éléments à fournir : engagements, dates de livraison, chronologies d’incidents, contrôles qualité, points d’escalade.
  • À éviter : jugement moral (« négligent »), étiquettes vagues (« pas proactif ») ou critiques-surprises.
  • Modèle de prompt : « Décris les comportements de responsabilité et leur impact, puis propose une prochaine étape mesurable. »
  • Remarque DACH : le langage de la fiabilité passe mieux avec des dates et des objectifs convenus (Zielvereinbarung).

Dépasse les attentes

  • Vous avez porté [livrable] de bout en bout et l’avez livré avant [échéance] sans compromis sur la qualité.
  • Vous avez identifié tôt un risque sur [projet] et changé de plan, évitant [impact].
  • Vous tenez vos engagements et renégociez proactivement le périmètre lorsque les contraintes changent.
  • Vous avez amélioré la fiabilité de l’équipe en introduisant [checklist/processus] et en le maintenant à jour.
  • Vous assumez les problèmes, les communiquez vite et menez leur résolution jusqu’au bout.
  • Vous avez maintenu des standards élevés sous pression, évitant des défauts dans [domaine].
  • Vous avez débloqué les autres en prenant en charge le « travail de liaison » et en comblant les lacunes de [processus].
  • Vous livrez systématiquement ce que vous promettez, et vos estimations sont exactes à [fourchette] près.

Répond aux attentes

  • Vous livrez les tâches convenues à temps et prévenez tôt lorsque les priorités changent.
  • Vous prenez en charge votre file de tâches et tenez les parties prenantes informées de l’avancement.
  • Vous signalez les blocages et demandez de l’aide avant que les échéances ne soient menacées.
  • Vous respectez les exigences de qualité et suivez les processus d’équipe pour la relecture et la validation.
  • Vous gardez des engagements réalistes et mettez à jour vos estimations quand de nouvelles informations apparaissent.
  • Vous clôturez les actions issues des réunions et confirmez leur achèvement dans [outil].
  • Vous gérez seul les problèmes courants et escaladez lorsque le périmètre dépasse votre champ d’action.
  • Vous maintenez une performance stable tout au long du cycle, pas seulement à la fin.

En dessous des attentes / à améliorer

  • Plusieurs engagements ont glissé sans avertissement préalable, avec un impact sur [équipe/client] en [période].
  • Le suivi des actions a été irrégulier ; des tâches sont restées ouvertes dans [outil].
  • Vous avez tendance à escalader tard, ce qui réduit les options pour rattraper les délais sur [projet].
  • Les estimations étaient souvent optimistes, ce qui a compliqué la planification pour [partie prenante].
  • Les contrôles qualité ont été sautés sur [livrable], d’où des reprises évitables.
  • Vous avez accepté du nouveau travail sans renégocier les priorités, ce qui a causé des échéances manquées.
  • Les périmètres de responsabilité étaient flous ; clarifiez ce que vous portez et ce que vous escaladez.
  • Lorsque des problèmes surviennent, la cause racine et le plan de prévention manquent souvent.
  • Prochain cycle : confirmer les engagements par écrit et signaler les risques sous [X] jours.

Mini-checklist (après les domaines 1-2) : avant de coller une phrase

  • Avez-vous nommé le [projet] et la période, et pas seulement la qualité personnelle ?
  • Y a-t-il au moins un résultat ou un comportement observable ?
  • Le ton correspond-il à la note, sans « piège » caché ?
  • Seriez-vous à l’aise de la lire à voix haute pendant le Mitarbeitergespräch ?
  • Le feedback est-il cohérent avec les notes de 1:1 et les objectifs ?

3) Résolution de problèmes & apprentissage

Les brouillons de l’IA peuvent vite sonner « intelligents ». Gardez-les ancrés dans le problème réel, la démarche et ce qui a changé grâce à elle.

  • Éléments à fournir : énoncé du problème, options étudiées, contraintes, résultats, enseignements tirés.
  • À éviter : « brillant » ou « pas stratégique » sans décrire les décisions et les arbitrages.
  • Modèle de prompt : « Rédige un commentaire de type STAR (Situation, Tâche, Action, Résultat) en 45 mots. »
  • Remarque DACH : mettez en avant la pensée structurée et la documentation, pas seulement la vitesse.

Dépasse les attentes

  • Vous avez résolu [problème] en testant des options et en choisissant à partir des données de [source].
  • Vous avez réduit la récurrence de [problème] en identifiant la cause racine et en mettant en œuvre [correctif].
  • Vous apprenez vite et partagez vos enseignements, ce qui améliore les décisions de l’équipe sur [sujet].
  • Vous simplifiez les problèmes complexes en étapes claires, permettant aux autres d’agir avec assurance.
  • Vous anticipez les effets de second ordre et concevez des solutions qui passent à l’échelle pour [périmètre].
  • Vous recherchez activement du feedback et adaptez votre approche, ce qui améliore les résultats sur [projet].li>
  • Vous documentez les décisions et leur raisonnement, ce qui rend le travail futur plus rapide et plus cohérent.
  • Vous accompagnez les autres en résolution de problèmes, ce qui renforce les capacités de l’équipe sur [compétence].

Répond aux attentes

  • Vous décomposez les problèmes et proposez des solutions réalisables dans votre périmètre.
  • Vous demandez les informations manquantes et validez les hypothèses avant d’agir.
  • Vous tirez parti du feedback et l’appliquez dès l’itération suivante.
  • Vous gérez l’ambiguïté courante et escaladez lorsque les contraintes ne sont pas claires.
  • Vous documentez les étapes clés pour que les autres puissent suivre votre raisonnement.
  • Vous vous appuyez sur les données disponibles pour étayer vos décisions lorsqu’elles existent.
  • Vous réfléchissez aux résultats et identifiez une amélioration après chaque livraison.
  • Vous restez ouvert à des approches différentes et collaborez pour trouver la meilleure option.

En dessous des attentes / à améliorer

  • Vous passez aux solutions avant d’avoir clarifié le problème, ce qui a entraîné des reprises sur [cas].
  • Les hypothèses n’ont pas été validées, d’où des erreurs évitables dans [livrable].
  • Lorsque vous êtes bloqué, vous attendez trop longtemps pour demander de l’aide, ce qui retarde l’avancement de [période].li>
  • Les post-mortems manquent ; les mêmes problèmes reviennent dans [domaine].
  • La documentation des décisions est irrégulière, ce qui ralentit les autres.
  • Vous vous concentrez sur l’optimisation locale et manquez les impacts en amont et en aval sur [processus].
  • Des objectifs d’apprentissage ont été fixés, mais pas suivis sur [période].
  • Vous résistez au feedback sur le moment ; nous avons besoin de curiosité et d’ajustement.
  • Prochain cycle : tenir un journal d’options simple (A/B/C) avec justification et résultat.

4) Impact & livraison (résultats)

Le langage des résultats devient vite flou (« a beaucoup livré »). Donnez à l’IA la base de départ, l’écart et la manière dont vous le savez.

  • Éléments à fournir : objectifs/OKR, indicateurs de référence, périmètre livré, signaux de qualité, impact client.
  • À éviter : inflation du mérite (« à lui seul »), ou listes de livrables sans résultats.
  • Modèle de prompt : « Écris une phrase sur l’impact + une sur la manière dont il a été obtenu. »
  • Remarque DACH : un « impact solide et fiable » passe souvent mieux que l’emphase.

Dépasse les attentes

  • Vous avez dépassé l’objectif de [OKR], en faisant passer [indicateur] de [A] à [B].
  • Vous avez livré [projet] avec un impact mesurable sur [client/équipe], confirmé par [preuve].
  • Vous avez augmenté le débit en améliorant [processus], libérant [heures/€] par [période].
  • Vous avez livré un travail à fort impact tout en réduisant les risques, comme le montre [indicateur qualité].
  • Vous avez bien priorisé et vous êtes concentré sur les quelques actions qui ont fait bouger [indicateur].
  • Vous avez évité un impact négatif en traitant [risque], protégeant [chiffre d’affaires/SLA].
  • Vous avez livré malgré les dépendances et gardé le périmètre aligné sur les objectifs de l’entreprise.
  • Vous avez relevé le niveau de qualité, réduisant les défauts/incidents dans [domaine] de [écart].

Répond aux attentes

  • Vous avez atteint les objectifs convenus pour [cycle] et respecté les standards de qualité attendus.
  • Vous livrez un travail qui soutient les priorités de l’équipe et que les parties prenantes peuvent utiliser.
  • Vous gérez le périmètre et les arbitrages et communiquez tôt les changements.
  • Vous fournissez une production régulière et aidez l’équipe à atteindre ses jalons communs.
  • Vous suivez l’avancement par rapport aux objectifs et ajustez lorsque les priorités changent.
  • Vous livrez avec une qualité acceptable et traitez les problèmes lorsqu’ils surviennent.
  • Vous clôturez le travail avec des notes de passation claires pour que les résultats puissent être maintenus.
  • Vous tenez les délais pour la plupart des engagements et signalez les risques au besoin.

En dessous des attentes / à améliorer

  • Des livrables clés de [cycle] n’ont pas été tenus, avec un impact de [écart] sur [objectif/OKR].
  • Le travail était souvent terminé en retard ou incomplet, nécessitant un suivi par d’autres.
  • Les priorités ont changé sans alignement, d’où une production à faible impact sur [sujet].
  • Des problèmes de qualité sur [livrable] ont créé des reprises et des retards évitables.
  • Le suivi de l’avancement était limité, de sorte que les risques sont apparus trop tard.
  • Le périmètre n’a pas été maîtrisé ; les « nice-to-have » ont pris la place des résultats essentiels.
  • Les dépendances n’ont pas été gérées de façon proactive, bloquant [équipe].
  • Les indicateurs de résultat manquaient, l’impact n’a donc pas pu être validé.
  • Prochain cycle : définir les indicateurs de réussite dès le départ et les revoir toutes les deux semaines.

Mini-checklist (après les domaines 3-4) : preuves et adéquation à la note

  • Avez-vous inclus au moins un indicateur, un jalon ou un résultat observable ?
  • La période est-elle claire (trimestre, semestre, fenêtre de projet) ?
  • Un pair pourrait-il vérifier l’affirmation à partir d’éléments existants ?
  • Avez-vous séparé « ce qui s’est passé » de « pourquoi cela compte » ?
  • Le commentaire évite-t-il l’inflation de note ou les points négatifs cachés ?

5) Leadership d’équipe & coaching

L’IA peut surévaluer le leadership en termes vagues. Ancrez-la dans le recrutement, l’onboarding, le rythme de coaching et les résultats de l’équipe.

  • Éléments à fournir : notes de coaching, exemples de délégation, résultats de l’équipe, signaux d’engagement, travail de recrutement/onboarding.
  • À éviter : langage thérapeutique, diagnostic de la motivation ou reproches à l’équipe pour des objectifs manqués.
  • Modèle de prompt : « Rédige un feedback de leadership qui nomme des actions, l’impact sur l’équipe et une prochaine étape. »
  • Remarque DACH : soyez précis sur les droits de décision ; une « délégation claire » compte dans les contextes de codétermination.

Dépasse les attentes

  • Vous avez coaché [personne] avec un feedback régulier, améliorant sa performance sur [compétence] d’ici le [date].
  • Vous déléguez clairement et créez de l’appropriation, ce qui augmente le débit de l’équipe sur [domaine].
  • Vous avez relevé les standards de l’équipe avec des attentes claires et un suivi équitable.
  • Vous avez développé les talents en associant des missions ambitieuses aux capacités et en soutenant l’apprentissage.
  • Vous avez abordé tôt les conversations difficiles, évitant l’escalade et préservant la concentration de l’équipe.
  • Vous construisez la sécurité psychologique tout en maintenant la responsabilité des résultats.
  • Vous avez intégré [nouvelle recrue] efficacement, réduisant le temps de montée en puissance grâce à [plan/processus].
  • Vous incarnez un leadership calme et factuel pendant [incident/changement].

Répond aux attentes

  • Vous tenez des 1:1 réguliers et donnez un feedback clair lié aux objectifs.
  • Vous déléguez des tâches avec du contexte et vérifiez l’avancement à des points convenus.
  • Vous soutenez les membres de l’équipe face aux blocages et aidez à prioriser le travail.
  • Vous reconnaissez le bon travail et traitez les problèmes en temps utile et avec respect.
  • Vous communiquez les priorités de l’équipe et restez aligné avec les parties prenantes.
  • Vous soutenez la planification du développement et suivez les actions convenues.
  • Vous prenez des décisions dans votre périmètre et escaladez au besoin.
  • Vous contribuez à un environnement d’équipe stable et à une livraison prévisible.

En dessous des attentes / à améliorer

  • Le coaching a été irrégulier, de sorte que les attentes envers [personne/équipe] sont restées floues.
  • Vous tenez des 1:1 de façon irrégulière, ce qui retarde le feedback et la résolution des problèmes.
  • La délégation manquait de contexte, causant des reprises et des décisions lentes sur [projet].
  • Les problèmes de performance ont été traités tard, augmentant le risque pour [livraison/qualité].
  • Vous gardez trop de tâches pour vous au lieu de rendre les autres autonomes, ce qui crée des goulots d’étranglement.
  • Les priorités de l’équipe changent sans justification claire, ce qui réduit la concentration et l’engagement.
  • Le feedback est souvent vague (« fais mieux »), ce qui le rend difficile à appliquer.
  • La pression des parties prenantes est répercutée sans filtre ni repriorisation.
  • Prochain cycle : fixer des objectifs de progression mensuels par collaborateur et suivre l’avancement dans les notes de 1:1.

6) Collaboration transverse & gestion des parties prenantes

Le feedback des parties prenantes est une source fréquente de biais et de bruit. Utilisez l’IA pour résumer les thèmes, puis vérifiez-les avec des incidents et des résultats concrets.

  • Éléments à fournir : e-mails/notes des parties prenantes (anonymisés), journaux de décisions, escalades, indicateurs de résultats.
  • À éviter : étiquettes « politiques », ouï-dire sans exemples, ou formules du type « tout le monde pense… ».
  • Modèle de prompt : « Résume le feedback des parties prenantes en 2 thèmes + 1 exemple pour chacun. »
  • Remarque DACH : gardez des affirmations vérifiables ; partez du principe que les commentaires peuvent être examinés lors du calibrage.

Dépasse les attentes

  • Vous avez aligné [fonctions] sur des objectifs communs, réduisant les conflits sur [projet].
  • Vous avez géré les parties prenantes de façon proactive et évité l’escalade sur [sujet].
  • Vous avez clarifié les droits de décision (type RACI) et accéléré les validations de [écart].
  • Vous conciliez besoins métier et contraintes, et gagnez la confiance de [parties prenantes].
  • Vous traduisez le travail technique ou de détail en résultats sur lesquels les autres peuvent agir.
  • Vous négociez calmement les changements de périmètre, gardant la livraison réaliste et transparente.
  • Vous créez de la visibilité entre les équipes, réduisant les mauvaises surprises en fin de cycle.
  • Vous traitez les escalades avec des faits et des options, pour aboutir à une décision claire.

Répond aux attentes

  • Vous collaborez avec les équipes partenaires et les tenez informées de l’avancement.
  • Vous clarifiez les exigences et confirmez le périmètre avant de commencer le travail.
  • Vous répondez aux parties prenantes dans un délai raisonnable et tenez vos engagements.
  • Vous communiquez les arbitrages lorsque les délais ou le périmètre changent.
  • Vous construisez des relations de travail qui favorisent des transmissions fluides.
  • Vous demandez des avis assez tôt pour éviter des changements en fin de parcours.
  • Vous documentez les décisions pour que les équipes restent alignées.
  • Vous gérez les attentes et évitez de trop promettre sur les résultats.

En dessous des attentes / à améliorer

  • Les attentes des parties prenantes n’ont pas été clarifiées, d’où des changements de périmètre tardifs dans [projet].
  • Les points inter-équipes sont arrivés tard, causant des retards de dépendances pour [équipe].
  • Vous évitez les conversations d’alignement difficiles, ce qui augmente le risque d’escalade.
  • Les décisions n’ont pas été documentées, d’où des discussions répétées et de la confusion.
  • Vous vous engagez parfois sans vérifier la faisabilité, puis devez revenir en arrière.
  • Le feedback des parties prenantes était réactif, faute de visibilité sur l’avancement.
  • Vous escaladez les problèmes sans proposer d’options, ce qui ralentit la résolution.
  • La collaboration est restée cloisonnée, ce qui a réduit la qualité globale des résultats.
  • Prochain cycle : convenir d’un rythme (point hebdomadaire + journal de décisions) avec les principales parties prenantes.

Mini-checklist (après les domaines 5-6) : leadership et sécurité des parties prenantes

  • Avez-vous décrit des actions de leadership, et non des traits de personnalité ?
  • Avez-vous évité le ouï-dire et utilisé des incidents précis avec des dates ?
  • La phrase respecte-t-elle la confidentialité et la vie privée des membres de l’équipe ?
  • Pouvez-vous défendre l’énoncé lors du calibrage avec des exemples concrets ?
  • Avez-vous inclus une prochaine étape réaliste pour la prochaine période d’évaluation ?

7) Innovation & usage responsable de l’IA

Ce domaine est nouveau pour beaucoup d’équipes. Restez pragmatique : où l’IA a aidé, comment les risques ont été gérés et quels contrôles ont été utilisés.

  • Éléments à fournir : cas d’usage, estimations du temps gagné, contrôles qualité, mesures de confidentialité, actions de relecture humaine.
  • À éviter : présenter un résultat produit par l’IA comme purement personnel ; évitez de partager des données sensibles avec des outils publics.
  • Modèle de prompt : « Rédige un commentaire décrivant un usage responsable de l’IA, avec les contrôles et les résultats. »
  • Remarque DACH : mentionnez les garde-fous (RGPD, attentes du Betriebsrat) comme des comportements, pas comme des affirmations juridiques.

Dépasse les attentes

  • Vous avez utilisé l’IA sur [tâche] avec des contrôles clairs, améliorant la qualité et réduisant le délai de traitement.
  • Vous avez documenté les prompts et les étapes de relecture, permettant un usage reproductible dans l’équipe.
  • Vous avez signalé tôt les risques de confidentialité et adapté le workflow pour protéger les données sur [cas].
  • Vous avez formé vos pairs à un usage sûr de l’IA, améliorant la cohérence de l’équipe et réduisant les erreurs.
  • Vous validez les résultats de l’IA par rapport aux sources, évitant des informations erronées dans [livrable].
  • Vous utilisez l’IA pour explorer des options, puis décidez à partir des preuves et des contraintes.
  • Vous avez amélioré un processus en ajoutant une synthèse assistée par l’IA avec relecture humaine.
  • Vous incarnez la transparence : vous signalez les brouillons assistés par l’IA et expliquez votre méthode de validation.

Répond aux attentes

  • Vous utilisez l’IA pour rédiger et résumer, puis vérifiez avant tout partage externe.
  • Vous suivez les règles de l’équipe sur les données autorisées dans les outils d’IA.
  • Vous gardez la responsabilité humaine des décisions et traitez l’IA comme un appui.
  • Vous corrigez les erreurs de l’IA lorsque vous les repérez et ne réutilisez pas un texte erroné.
  • Vous utilisez l’IA pour accélérer les tâches courantes tout en maintenant les standards de qualité.
  • Vous gardez prompts et résultats dans les outils et environnements approuvés.
  • Vous demandez conseil lorsqu’un cas d’usage touche à des données sensibles.
  • Vous évitez la dépendance excessive et savez travailler efficacement sans IA si nécessaire.

En dessous des attentes / à améliorer

  • Vous avez utilisé des résultats de l’IA sans vérification suffisante, d’où des inexactitudes dans [livrable].
  • Les éléments partagés avec l’IA contenaient des détails sensibles qui auraient dû être retirés.
  • Du texte généré par l’IA a été collé avec des affirmations génériques et sans preuves à l’appui.
  • Vous vous reposez sur l’IA pour décider, au lieu de l’utiliser pour appuyer votre jugement.
  • Les prompts étaient irréguliers, ce qui a créé une qualité inégale entre des documents similaires.
  • Vous n’avez pas signalé l’aide de l’IA là où les normes internes exigent de la transparence.
  • Les risques de biais n’ont pas été pris en compte lors de la synthèse du feedback des pairs avec l’IA.
  • L’usage de l’IA a remplacé la clarification avec les parties prenantes, causant des malentendus sur [sujet].
  • Prochain cycle : utiliser une checklist de vérification (sources, chiffres, noms, confidentialité) avant tout partage.

8) Valeurs & culture

Le feedback sur les valeurs devient injuste lorsqu’il se réduit à des opinions sur l’« adéquation culturelle ». Ancrez-le dans des comportements observables qui soutiennent les normes de l’équipe.

  • Éléments à fournir : incidents précis, accords d’équipe, exemples de décisions fondées sur des principes, feedback reçu.
  • À éviter : « ne correspond pas » sans précision, jugements moraux ou préférences de style subjectives.
  • Modèle de prompt : « Reformule le feedback sur les valeurs en comportements + impact sur les résultats de l’équipe. »
  • Remarque DACH : restez respectueux et concret ; les commentaires sur les valeurs pèsent souvent plus lourd.

Dépasse les attentes

  • Vous incarnez notre valeur [valeur] en faisant [comportement], ce qui a renforcé la confiance de l’équipe en [période].
  • Vous soulevez tôt les préoccupations, de façon constructive, évitant des problèmes évitables sur [projet].
  • Vous incluez les voix plus discrètes dans les discussions, améliorant la qualité des décisions sur [sujet].
  • Vous agissez avec intégrité sous pression et documentez vos décisions de façon transparente.
  • Vous partagez le mérite et reconnaissez les contributions des autres, ce qui renforce la collaboration.
  • Vous favorisez l’inclusion par des actions concrètes (par ex. [pratique]) et un suivi constant.
  • Vous améliorez les normes d’équipe en proposant des accords clairs et en les vivant au quotidien.
  • Vous accueillez le feedback avec ouverture et ajustez rapidement votre comportement, ce qui renforce les relations de travail.

Répond aux attentes

  • Vous agissez de façon cohérente avec nos valeurs dans la collaboration quotidienne.
  • Vous traitez vos collègues avec respect et gardez des échanges professionnels.
  • Vous acceptez le feedback et procédez à des ajustements raisonnables dans la durée.
  • Vous soutenez les normes de l’équipe et contribuez à un environnement de travail positif.
  • Vous communiquez honnêtement et signalez les problèmes plutôt que de les cacher.
  • Vous faites preuve de responsabilité et tenez vos engagements envers l’équipe.
  • Vous collaborez sans chercher de coupable et vous concentrez sur les solutions.
  • Vous contribuez à une culture d’équipe fiable par des comportements prévisibles.

En dessous des attentes / à améliorer

  • Votre comportement dans [situation] a réduit la confiance ; nous avons besoin d’une discussion respectueuse et factuelle.
  • Vous écartez rapidement le feedback, ce qui limite votre progression et affecte la collaboration.
  • Vous privilégiez parfois la vitesse aux standards convenus, ce qui crée des frictions dans [équipe].
  • Vous ne communiquez pas les problèmes à temps, ce qui crée des surprises en fin de livraison.
  • Le partage du mérite a été irrégulier, ce qui a pesé sur la motivation et la collaboration de l’équipe.
  • Vous créez des tensions évitables en réunion ; concentrez-vous sur les sujets, pas sur les personnes.
  • Les accords d’équipe n’ont pas été respectés (par ex. [norme]), ce qui réduit la cohérence.
  • Vous évitez le langage de la responsabilité, ce qui rend l’appropriation floue dans [cas].
  • Prochain cycle : convenir de 2 comportements observables à pratiquer et en faire le point chaque mois.

Mini-checklist (après les domaines 7-8) : contrôle des risques IA + valeurs

  • Avez-vous évité les raccourcis sur l’« adéquation culturelle » et décrit des comportements concrets ?
  • Avez-vous retiré les données sensibles avant d’utiliser un assistant d’IA ?
  • Avez-vous vérifié chaque chiffre, chaque date et chaque livrable cité ?
  • La formulation resterait-elle équitable si elle s’appliquait à une autre personne ?
  • Le commentaire sépare-t-il clairement le comportement lié aux valeurs des résultats de performance ?

Guide de prompts : 12 prompts que les RH peuvent partager avec les managers

De bons prompts imposent la précision et empêchent que l’IA ne « polisse » des faits manquants. Utilisez-les avec ChatGPT, Copilot ou un assistant interne comme Atlas AI, mais seulement après avoir réuni de vraies informations.

  1. « Transforme ces points en 2 phrases d’évaluation + 1 prochaine étape. Garde les champs pour les données manquantes : [points]. »
  2. « Réécris ce commentaire pour qu’il corresponde à la note ‹ Répond aux attentes ›. Supprime les superlatifs : [texte]. »
  3. « Rédige un feedback pour [compétence] avec STAR. Utilise uniquement ces faits : [faits]. 55 mots maximum. »
  4. « Liste 3 éléments de preuve manquants que je dois collecter avant de finaliser cette évaluation : [brouillon]. »
  5. « Repère les affirmations vagues dans ce commentaire et propose des remplacements précis : [commentaire]. »
  6. « Vérifie si ce texte contient un langage biaisé ou codé et propose des alternatives neutres : [texte]. »
  7. « Crée deux versions : une à dire à voix haute lors d’un Mitarbeitergespräch, une pour la documentation écrite : [faits]. »
  8. « Résume le feedback des pairs en 2 thèmes + 1 citation pour chacun. N’ajoute aucun fait nouveau : [éléments]. »
  9. « Aligne ce feedback sur le niveau de grille [niveau]. Explique quelle phrase correspond à quel critère : [grille + brouillon]. »
  10. « Génère 3 formulations : directe, neutre et plus douce. Garde le sens inchangé : [texte]. »
  11. « Convertis cette liste de livrables en langage d’impact avec des champs d’indicateurs : [livrables]. »
  12. « Propose 2 objectifs de développement mesurables pour le trimestre prochain à partir de ces écarts : [écarts]. »

Mauvais vs meilleurs résultats d’IA (exemple : collaboration)

Utilisez-le comme exercice de formation pour les managers. Demandez : « Quelles preuves manquent ? » et « La note correspond-elle aux mots ? »

Qualité Exemple de résultat Pourquoi c’est risqué / ce qui est mieux
Mauvais (générique) Vous êtes un excellent communicant et un bon esprit d’équipe. Invérifiable, sans périmètre, sans période, sans résultat.
Mieux (ancré) Sur [projet], vous avez partagé des points hebdomadaires et clarifié les décisions dans [document], réduisant les allers-retours. Nomme le comportement, le support et le résultat ; facile à valider.
Excellent (lié à la note) Vous avez aligné [équipes] sur [décision] le [date], évitant des reprises et gardant le jalon sur la bonne voie. Relie la collaboration à un impact mesurable sur la livraison ; convient à « Dépasse » lorsque les preuves le soutiennent.

Comment garder équitable (et moins biaisé) un feedback rédigé avec l’IA

L’IA a tendance à refléter tout ce que vous lui donnez, y compris des preuves inégales, de l’émotion et des effets de récence. Votre meilleur levier, c’est la structure : mêmes éléments, même grille, même longueur d’évaluation. Si vous voulez une checklist sur les biais et des scripts pour managers, intégrez-la à la formation de vos évaluateurs avec les biais d’évaluation de performance comme référence commune.

Pour la réflexion sur les risques de l’IA, alignez vos garde-fous internes sur des principes établis comme la transparence et la supervision humaine, décrits dans le NIST AI Risk Management Framework (AI RMF 1.0). Vous n’avez pas besoin d’un processus lourd pour démarrer, mais vous avez besoin d’une règle : les brouillons de l’IA ne sont jamais la source de vérité finale.

  • Exigez un contrôle par « contre-exemple » : quelle preuve contredirait ce commentaire ?
  • Lancez une analyse du langage pour repérer des formulations plus dures envers un groupe ou un type de rôle.
  • Interdisez les procès d’intention non étayés (« vous vous en fichez », « vous êtes paresseux »).
  • Séparez le feedback sur l’impact des préférences de style (« pas mon style » n’est pas un critère de notation).
  • Lors du calibrage, discutez d’abord des preuves, ensuite de la formulation.

Notes linguistiques DACH : honnête, direct et adapté à la documentation

La culture d’évaluation DACH valorise souvent la précision plus que l’enthousiasme. C’est un atout pour l’IA : vos meilleurs commentaires sont posés, datés et liés aux résultats. Si votre Betriebsrat attend de la clarté sur l’utilisation des données, tenez une note interne simple indiquant quels éléments ont été utilisés et où ils sont stockés.

Formez les managers à écrire un feedback qui peut être dit à voix haute et documenté. Associez cela à une formation à l’IA par rôle, comme dans l’approche de la formation des managers à l’IA, et ajoutez une liste « à ne pas saisir » : données médicales personnelles, historiques de discussions privées et détails sensibles sur des tiers. Si les collaborateurs utilisent aussi l’IA, alignez-vous sur des normes communes avec la formation ChatGPT pour les collaborateurs.

  • Préférez « de façon constante », « sur [période] », « comme le montre [preuve] » aux adjectifs trop larges.
  • Évitez les mots absolus sauf s’ils sont vrais : « toujours », « jamais », « tout le monde ».
  • Gardez la critique exploitable : comportement + impact + attente + soutien.
  • Ne mélangez pas les notes : évitez les paragraphes « répond aux attentes, mais… » qui se lisent comme « en dessous ».
  • Gardez le même registre pour tout le monde ; une chaleur inégale peut passer pour un biais.

Niveaux de compétence & périmètre

Débutant : vous utilisez l’IA pour rédiger des commentaires, mais vos décisions reposent encore sur votre mémoire. Votre périmètre est la rédaction de vos propres évaluations, avec une cohérence limitée entre pairs.

Praticien : vous ancrez les résultats de l’IA dans des preuves et une grille, et vous savez expliquer les notes avec des exemples. Votre périmètre s’étend à des dossiers d’évaluation cohérents pour vos collaborateurs directs.

Avancé : vous comparez les notes entre rôles similaires et réduisez les biais grâce à des contrôles structurés. Votre périmètre inclut une participation efficace au calibrage et le traitement des cas limites.

Référent : vous fixez les standards, les modèles et la gouvernance de l’usage de l’IA dans les évaluations. Votre périmètre inclut la formation, l’audit et la mise à jour du cadre d’un cycle à l’autre.

Domaines de compétence

Ancrage dans les preuves

Votre objectif : des affirmations vérifiables, c’est-à-dire ce qui s’est passé, quand et ce qui a changé. Résultats attendus : des évaluations plus claires, moins de litiges et un calibrage plus rapide.

Cohérence avec la notation

Votre objectif : la cohérence entre la grille et la formulation. Résultats attendus : moins de dérive des notes et moins de commentaires « répond aux attentes mais se lit comme en dessous ».

Précision & clarté

Votre objectif : des commentaires courts qui gardent du sens. Résultats attendus : moins de côté « générique » de l’IA et une meilleure compréhension des attentes par les collaborateurs.

Biais & équité

Votre objectif : des standards égaux entre personnes et rôles comparables. Résultats attendus : moins de formulations biaisées et des décisions de promotion plus défendables.

Prompts & itération

Votre objectif : des prompts reproductibles qui produisent des résultats structurés. Résultats attendus : une préparation des évaluations plus courte et une qualité rédactionnelle plus constante.

Préparation à l’entretien

Votre objectif : un feedback qui peut être discuté calmement, pas seulement archivé. Résultats attendus : un Mitarbeitergespräch de meilleure qualité et des prochaines étapes plus claires.

Documentation & gouvernance

Votre objectif : une justification prête pour un audit, avec des contrôles de confidentialité adaptés. Résultats attendus : des dossiers plus clairs et moins de mauvaises surprises dans le traitement des données.

Usage responsable de l’IA

Votre objectif : un appui sûr de l’IA avec vérification humaine. Résultats attendus : moins d’erreurs factuelles et une meilleure adoption sans perte de confiance.

Notation & preuves

Utilisez une échelle de notation simple de 1 à 4 qui se traduit clairement en texte. Gardez la même échelle pour tous les domaines, puis utilisez la banque de phrases pour ajuster le ton et la précision.

Note Définition (ce que cela signifie) À quoi ressemblent généralement les preuves
4 : Dépasse Les résultats dépassent les attentes du rôle ; l’impact va au-delà du périmètre propre. Écarts mesurables, impact inter-équipes, exemples répétés tout au long du cycle.
3 : Répond Atteint de façon constante les résultats attendus pour le rôle et la période. Objectifs atteints, livraison fiable, collaboration régulière, suivi documenté.
2 : Répond partiellement Certaines attentes sont remplies, mais des lacunes pèsent sur les résultats ou la fiabilité de l’équipe. Engagements manqués, problèmes de qualité récurrents, comportements irréguliers, preuves partielles.
1 : Ne répond pas Des attentes clés ne sont pas remplies ; la performance crée des risques ou des reprises répétés. Plusieurs livrables manqués, problèmes non résolus, impact négatif constant sur les parties prenantes.

Les types de preuves utiles incluent les OKR/notes d’objectifs, les plans de projet et post-mortems, le feedback client, le feedback des pairs daté, les indicateurs de qualité et les notes de 1:1. Gardez des preuves proportionnées : un exemple solide vaut souvent mieux que cinq anecdotes faibles.

Mini-exemple (cas A vs cas B) : tous deux ont livré le même [projet]. Le cas A est noté « Répond » car la livraison correspondait au périmètre et au calendrier avec un soutien normal. Le cas B est noté « Dépasse » car il a évité des reprises entre équipes, documenté les décisions et amélioré un processus réutilisable, ce que confirment [élément] et [feedback des parties prenantes].

Signaux de progression & signaux d’alerte

La maturité pour une promotion se voit dans un élargissement durable du périmètre, pas dans une semaine exceptionnelle. L’IA peut résumer les signaux, mais les humains doivent les valider avec des preuves et le contexte des pairs.

Signaux de progression (prêt pour le niveau suivant)

  • Livre des résultats stables sur plusieurs cycles, même lorsque les priorités changent.
  • Porte un périmètre plus large : problèmes ambigus, dépendances inter-équipes ou enjeux plus élevés.
  • Crée un effet multiplicateur : améliore les systèmes, le coaching, la documentation ou les processus d’équipe.
  • Fait preuve de jugement : arbitrages clairs, gestion précoce des risques et qualité de décision constante.
  • Reçoit un feedback constant des pairs et des parties prenantes, lié à des exemples précis.

Signaux d’alerte (freins à la promotion)

  • Exécution en silo qui crée des coûts cachés pour les autres (transmissions pénibles, reprises répétées).
  • Fiabilité irrégulière : de bons élans, puis des engagements manqués sans escalade précoce.
  • Documentation faible qui rend les résultats difficiles à valider ou à maintenir.
  • Résistance au feedback ou attitude défensive qui limite la progression et la collaboration.
  • Usage excessif de texte générique généré par l’IA, avec peu de preuves ou des notes inadaptées.

Points de suivi & sessions d’évaluation

La cohérence vient du rythme. Si les managers n’écrivent les évaluations qu’en fin de cycle, l’IA amplifiera tous les biais de mémoire. Mettez en place des routines légères qui consignent les preuves tôt.

  • Point mensuel sur les preuves (15 minutes) : manager + collaborateur listent 2 réussites, 1 enseignement, 1 indicateur.
  • Évaluation à mi-cycle (30 minutes) : confirmer les objectifs, ajuster le périmètre, identifier les lacunes de preuves.
  • Préparation du calibrage (asynchrone) : chaque évaluateur soumet un dossier de preuves d’une page par personne.
  • Session de calibrage (60-90 minutes) : discuter d’abord des preuves, puis de la note, puis de la formulation.
  • Contrôle des biais : comparer la répartition des notes et la dureté du langage entre rôles similaires.

Pour mener des sessions structurées fondées sur les preuves, alignez les managers sur un ordre du jour commun comme le guide du calibrage des talents et réutilisez d’un cycle à l’autre le même modèle de réunion de calibrage.

Questions d’entretien

Utilisez ces questions comportementales pour recueillir de vrais exemples que vous pourrez ensuite transformer en commentaires d’évaluation ancrés. Chaque question vise : la situation, l’action, le résultat et ce qui a changé.

Ancrage dans les preuves

  • Parlez-moi d’une fois où vous avez démontré un impact avec des preuves, pas des opinions. Quels supports avez-vous utilisés ?
  • Quand vos données étaient-elles incomplètes ? Comment avez-vous évité de tirer une mauvaise conclusion ?
  • Décrivez un livrable dont la documentation a aidé les autres à avancer plus vite. Quel en a été le résultat ?
  • Quelle affirmation avez-vous retirée d’un brouillon parce qu’elle n’était pas vérifiable ?

Cohérence avec la notation

  • Parlez-moi d’une fois où vous étiez en désaccord avec une note. Quels critères de la grille avez-vous utilisés ?
  • Comment distinguez-vous « Répond » de « Dépasse » dans votre rôle actuel ?
  • Décrivez un cas limite que vous avez escaladé pour le calibrage. Qu’a-t-on décidé, et pourquoi ?
  • Qu’est-ce qui a changé dans votre travail lorsque les attentes ont augmenté au niveau suivant ?

Précision & clarté

  • Donnez un exemple de feedback que vous avez rendu plus précis. Quels détails avez-vous ajoutés ?
  • Parlez-moi d’une fois où vous avez retiré des éloges vagues pour les remplacer par des comportements observables.
  • Décrivez un commentaire que vous avez dû lire à voix haute. Qu’avez-vous changé pour qu’il puisse être discuté ?
  • Comment vous assurez-vous que votre feedback inclut à la fois l’impact et le « comment » du résultat ?

Biais & équité

  • Parlez-moi d’une fois où vous avez remarqué un biais dans le langage d’un feedback. Qu’avez-vous fait ?
  • Comment évitez-vous de juger des différences de style comme des problèmes de performance ?
  • Décrivez une situation où le biais de récence aurait pu influencer votre avis. Comment l’avez-vous corrigé ?
  • Quels contrôles utilisez-vous pour garantir des standards cohérents entre rôles similaires ?

Prompts & itération

  • Parlez-moi d’une fois où vous avez amélioré un brouillon d’IA par itération. Quelles contraintes ont aidé ?
  • Quels éléments réunissez-vous avant de solliciter l’IA pour un commentaire d’évaluation ?
  • Comment forcez-vous l’IA à garder les champs au lieu d’inventer des données manquantes ?
  • Décrivez un prompt que vous réutilisez parce qu’il produit de façon fiable une bonne structure. Pourquoi fonctionne-t-il ?

Préparation à l’entretien

  • Parlez-moi d’un entretien de feedback difficile que vous avez bien mené. Quel en a été le résultat ?
  • Comment expliquez-vous une note avec des preuves tout en gardant l’échange tourné vers l’avenir ?
  • Décrivez une fois où un collaborateur n’était pas d’accord avec un feedback. Comment avez-vous réagi ?
  • Que faites-vous pour éviter les surprises au moment de l’évaluation ?

Documentation & gouvernance

  • Parlez-moi d’une fois où la documentation a préservé la clarté lors d’un litige ou d’une escalade. Que s’est-il passé ?
  • Comment décidez-vous de ce qui relève du texte d’évaluation formel plutôt que des notes de coaching ?
  • Décrivez votre approche du traitement des informations sensibles lorsque vous utilisez des outils d’IA.
  • Quel processus suivez-vous pour garder des commentaires d’évaluation cohérents et prêts pour un audit ?

Usage responsable de l’IA

  • Parlez-moi d’une fois où l’IA a fait gagner du temps mais où vous avez tout de même amélioré la qualité. Quels contrôles avez-vous appliqués ?
  • Décrivez un cas où le résultat de l’IA était faux. Comment l’avez-vous détecté et corrigé ?
  • Comment évitez-vous de partager des données sensibles avec des assistants d’IA ?
  • Qu’est-ce qui vous ferait cesser d’utiliser l’IA pour une tâche donnée ?

Mise en œuvre & mises à jour

L’adoption échoue lorsque les managers y voient du travail supplémentaire. La mise en œuvre fonctionne lorsque vous réduisez l’effort : modèles partagés, garde-fous clairs et une courte formation à partir de vrais exemples d’évaluation.

  • Semaine 1 : lancement avec les RH, le juridique, l’IT et (le cas échéant) le Betriebsrat ; convenir des règles sur les données.
  • Semaine 2 : former les managers pendant 60 minutes avec les exemples « mauvais vs meilleurs » et les checklists.
  • Semaines 3-6 : pilote avec une fonction ; recueillir du feedback sur la clarté de la grille et l’utilisabilité des phrases.
  • Après le premier cycle : mener une rétrospective sur l’évaluation ; mettre à jour les prompts, les formulations interdites et les standards de preuves.
  • En continu : désigner un responsable (HRBP ou Talent Ops), tenir un journal des changements, actualiser chaque année.

Si vous voulez intégrer l’IA dans le quotidien, reliez cela à votre approche plus large de l’IA dans la gestion de la performance et réutilisez des routines de management cohérentes, comme la préparation structurée des 1:1 (voir questions pour les entretiens individuels), pour garder les preuves à jour.

Conclusion

Vous obtenez des évaluations assistées par l’IA dignes de confiance lorsque trois conditions sont réunies : les attentes sont claires, les preuves sont cohérentes et le langage correspond à la note. La banque de phrases aide les managers à écrire plus vite, mais elle impose aussi la précision grâce aux champs et à des formulations centrées sur les résultats. Le cadre aide les RH à garder l’équité visible, car le calibrage devient une discussion sur les preuves, et non un concours de rédaction.

Pour démarrer, choisissez une équipe pour un pilote de 4-6 semaines et exigez un dossier de preuves simple par collaborateur. En semaine 2, animez une session de formation pour les managers avec les prompts et le tableau mauvais vs meilleurs. Après le premier cycle, planifiez une rétrospective de 60 minutes pilotée par les RH pour mettre à jour les modèles, clarifier la grille et fixer la date du prochain calibrage.

FAQ

1) Les managers peuvent-ils coller telles quelles les phrases d’évaluation de performance par IA ?

Vous devez les traiter comme des modèles, pas comme des commentaires finaux. Si une phrase ne nomme pas un vrai projet, une période et un comportement observable, elle paraîtra générique et peut nuire à la confiance. Demandez aux managers de renseigner les champs comme [projet], [indicateur] et [preuve], puis de lire une fois le texte final à voix haute. S’il paraît injuste ou surprenant à l’oral, il passera probablement mal.

2) Comment empêcher l’IA d’inventer des réussites ou de « polir » des preuves faibles ?

Contrôlez les éléments d’entrée et le workflow. Demandez aux managers de fournir d’abord les faits : objectifs, résultats, exemples et supports. Demandez ensuite à l’IA de reformuler et de structurer uniquement à partir de ce contenu, en gardant les champs pour les données manquantes. Ajoutez une règle pour le calibrage : toute affirmation « Dépasse » nécessite au moins un support vérifiable ou un exemple de partie prenante. Si les preuves sont minces, la discussion sur la note doit être suspendue.

3) Comment aligner les notes entre les équipes sans transformer le calibrage en long débat ?

Raccourcissez la discussion en standardisant le travail préparatoire. Chaque manager soumet un court dossier de preuves et une note initiale rattachée aux critères de la grille. Pendant la session, discutez d’abord des preuves et limitez dans le temps les cas limites ; évitez de réécrire des paragraphes en direct. Consignez la justification dans un journal de décisions pour faciliter le cycle suivant. L’objectif est une compréhension partagée, pas une uniformité parfaite.

4) Quels risques de biais sont les plus fréquents lorsque les managers utilisent l’IA pour rédiger les évaluations ?

Les principaux risques sont la qualité inégale des preuves (certains collaborateurs ont davantage de réussites documentées), le biais de récence (les événements récents dominent) et les différences de langage (certains groupes reçoivent une formulation plus dure pour des résultats similaires). L’IA peut amplifier ces schémas en donnant un ton « assuré » à des brouillons subjectifs. Utilisez des checklists, exigez des exemples datés et comparez le ton du langage entre rôles similaires. Si vous constatez des schémas, corrigez le processus avant d’incriminer des personnes.

5) À quelle fréquence faut-il mettre à jour la banque de phrases et les prompts ?

Faites une mise à jour légère après chaque cycle et une plus approfondie une fois par an. Après un cycle, recueillez le feedback des managers sur ce qui était difficile à écrire et sur les phrases qui ont prêté à confusion lors des Mitarbeitergespräche. Supprimez les modèles qui invitent à un langage générique et ajoutez ceux qui manquent, liés à votre grille. Chaque année, vérifiez si les compétences correspondent toujours à votre stratégie, puis versionnez les changements pour que les équipes sachent ce qui a changé et pourquoi.

Jürgen Ulbrich

CEO et cofondateur de Sprad

Jürgen Ulbrich cumule plus de dix ans d’expérience dans la construction et la direction d’équipes et d’entreprises performantes. Expert des programmes de cooptation ainsi que des processus de feedback et de performance, Jürgen a aidé plus de 100 organisations à optimiser leur stratégie d’acquisition et de développement des talents.

Modèles et téléchargements gratuits

Rejoignez la communauté en seulement 26 secondes et profitez d’un accès gratuit à plus de 100 ressources, modèles et guides.

Modèle gratuit d'entretien de performance BARS (téléchargement Excel)
Vidéo
Gestion de la performance
Modèle gratuit d'entretien de performance BARS (téléchargement Excel)
Modèle gratuit de référentiel de compétences (Excel + Sheets)
Vidéo
Gestion des compétences
Modèle gratuit de référentiel de compétences (Excel + Sheets)

La People Powered HR Community s’adresse aux professionnels RH qui placent l’humain au cœur de leur travail RH et recrutement. Ensemble, transformons notre conviction commune en un mouvement qui change le monde des RH.