Les mots comptent : l’IA peut prédire les salaires en fonction du texte des offres d’emploi en ligne

Le paysage de l’emploi aux États-Unis est en train de changer radicalement : la pandémie de COVID-19 a redéfini le travail essentiel et déplacé les travailleurs hors du bureau. Les nouvelles technologies transforment la nature de nombreuses professions. La mondialisation continue de pousser les emplois vers de nouveaux endroits. Et les préoccupations liées au changement climatique créent des emplois dans le secteur des énergies alternatives tout en les supprimant de l’industrie des combustibles fossiles.

Au milieu de cette tourmente sur le lieu de travail, les travailleurs, ainsi que les employeurs et les décideurs, pourraient bénéficier de la compréhension des caractéristiques de l’emploi qui conduisent à des salaires et à une mobilité plus élevés, déclare Sarah Bana, boursière postdoctorale au Digital Economy Lab de Stanford, qui fait partie du Stanford Institute for Human-Centered Intelligence artificielle. Et, note-t-elle, il existe maintenant un vaste ensemble de données qui pourrait aider à fournir cette compréhension : le texte de millions d’offres d’emploi en ligne.

“Les données en ligne nous offrent une formidable opportunité de mesurer ce qui compte”, dit-elle.

En effet, en utilisant l’intelligence artificielle (IA) et l’apprentissage automatique, Bana a récemment montré que les mots utilisés dans un ensemble de données de plus d’un million d’offres d’emploi en ligne expliquent 87 % de la variation des salaires sur une grande partie du marché du travail. C’est le premier travail à utiliser un si grand ensemble de données sur les affectations et à examiner la relation entre les affectations et les salaires.

Bana a également expérimenté l’injection de nouveau texte – en ajoutant un certificat de compétence, par exemple – dans les offres d’emploi pertinentes pour voir comment ces mots ont changé la prévision de salaire.

“Il s’avère que nous pouvons utiliser le texte des offres d’emploi pour évaluer les caractéristiques salariales des emplois en temps quasi réel”, déclare Bana. “Ces informations pourraient rendre les candidatures à des emplois plus transparentes et améliorer notre approche de l’éducation et de la formation de la main-d’œuvre.”

Un ensemble de données d’IA d’un million d’offres d’emploi

Pour analyser le lien entre le texte des offres d’emploi en ligne et les salaires, Bana a obtenu plus d’un million d’offres d’emploi pré-pandémiques auprès de Greenwich.HR, qui regroupe des millions d’offres d’emploi provenant de plateformes de sites d’emploi en ligne.

Elle a ensuite utilisé BERT, l’un des modèles de traitement du langage naturel (NLP) les plus avancés disponibles, pour former un modèle NLP en utilisant le texte de plus de 800 000 offres d’emploi et leurs données salariales associées. Lorsqu’elle a testé le modèle en utilisant les 200 000 offres d’emploi restantes, il a prédit avec précision les salaires associés 87 % du temps. En comparaison, en utilisant uniquement les intitulés de poste et les emplacements géographiques des offres d’emploi, on n’a obtenu des prévisions précises que dans 69 % des cas.

Dans un travail de suivi, Bana tentera de caractériser la contribution de divers mots à la prédiction salariale. “Idéalement, nous colorerons les mots dans les messages du rouge au vert, où les mots rouges plus foncés sont liés à un salaire plus bas et le vert plus foncé est lié à un salaire plus élevé”, dit-elle.

La valeur de l’amélioration des compétences : une expérience d’injection de texte

Pour identifier les compétences importantes pour la prévision des salaires, Bana a utilisé une approche d’injection de texte : à certaines offres d’emploi pertinentes, elle a ajouté de courtes phrases indiquant que le travail nécessite une certification de carrière particulière, telles que celles répertoriées dans Indeed.com. 10 certifications de carrière en demande (et comment les obtenir). L’obtention de ces certifications peut être coûteuse, avec des prix allant d’environ 225 $ à environ 2 000 $. Mais, jusqu’à présent, il n’existait aucun moyen de déterminer si l’investissement en valait la peine d’un point de vue salarial.

L’expérience de Bana a révélé que certaines certifications (telles que la certification IIBA Agile Analysis) produisent des gains de salaire significatifs rapidement tandis que d’autres (telles que Cisco Certified Internetwork Expert) le font plus lentement – des informations précieuses pour les travailleurs qui souhaitent avoir de meilleures informations sur la façon dont un l’investissement dans la formation professionnelle affectera leurs salaires et leurs perspectives, dit Bana.

Les employés ne sont pas les seuls à bénéficier de ces informations, note Bana. Les employeurs peuvent utiliser ces résultats pour mieux investir dans le capital humain, dit-elle. Si, par exemple, les modèles d’apprentissage automatique révèlent un déplacement progressif de certaines tâches vers d’autres, les employeurs seraient avertis à l’avance et pourraient recycler certains employés.

Et les décideurs qui envisagent de promouvoir les programmes de formation professionnelle gagneraient de la même manière à comprendre quelles compétences augmentent ou diminuent en valeur économique.

À cette fin, Bana et ses collègues travaillent actuellement sur un document d’accompagnement qui identifie les tâches qui disparaissent des listes d’emplois au fil du temps et les nouvelles tâches qui apparaissent.

À l’avenir, Bana espère que l’analyse textuelle des offres d’emploi pourrait produire une application Web où les travailleurs ou les entreprises pourraient rechercher la valeur ajoutée en améliorant leurs compétences ou en déménageant vers un nouvel emplacement géographique.

“Actuellement, il n’y a pas beaucoup de clarté autour d’un chemin vers des revenus plus élevés”, dit Bana. “Des outils comme ceux-ci pourraient aider les demandeurs d’emploi à améliorer leurs perspectives d’emploi, les employeurs à développer leur main-d’œuvre et les décideurs à réagir aux changements immédiats de l’économie.”

Katharine Miller est rédactrice pour le Stanford Institute for Human-Centered AI.

Cette histoire est apparue à l’origine sur Hai.stanford.edu. Droits d’auteur 2022