Cas

Restructurer une fonction RH sans perdre ceux qui la portaient

Secteur
Retail
Taille
1 000–5 000 collaborateurs
Date
24 mai 2026
Problème
Une enseigne de distribution devait réduire sa fonction RH de moitié sans perdre les profils capables de la transformer.

Radar de TrajectoirePotential StackRetail

Contexte

Une enseigne de distribution alimentaire régionale, présente dans l’ouest de l’Europe, emploie entre mille et cinq mille personnes selon les saisons. Son réseau de magasins s’appuie sur une fonction RH historiquement dimensionnée pour l’administration du personnel et la paie, sur un modèle largement manuel.

L’enseigne avait engagé une bascule vers une plateforme RH intégrée et une automatisation d’une partie des processus transactionnels. La conséquence était mécanique. La fonction RH, forte d’une soixantaine de personnes, devait être réduite de près de moitié sur dix-huit mois.

La direction générale voulait éviter deux écueils. Un plan brutal qui aurait dégradé le climat social à un moment de transformation déjà tendu. Et une réduction à l’aveugle qui aurait conservé les mauvaises personnes.

Problème

Le réflexe classique aurait consisté à conserver les profils les mieux notés dans les évaluations annuelles et les plus anciens dans la fonction. Ce réflexe posait un problème. Les mieux notés étaient souvent les plus performants sur les tâches en voie d’automatisation. Leur excellence portait précisément sur ce qui allait disparaître.

La masse salariale concernée représentait un enjeu budgétaire significatif, mais ce n’était pas le cœur du risque. Le cœur du risque était la perte des rares profils capables de piloter la fonction RH dans sa nouvelle configuration. Des profils qui n’apparaissaient pas forcément en haut des grilles, parce que la grille mesurait la maîtrise de l’ancien monde.

La direction disposait de moins d’un an pour identifier qui garder, sans pouvoir se fier aux instruments d’évaluation existants.

Intervention

La direction de la transformation a écarté la grille de performance annuelle comme critère unique. Elle a construit une surcouche de lecture, un radar de trajectoire, à partir de données déjà présentes dans le système mais jamais croisées.

Quatre signaux ont été mobilisés. L’historique des mobilités internes, pour repérer les personnes ayant déjà réussi des transitions de métier. Les traces d’usage des outils numériques, pour mesurer qui montait en compétence vite. L’activité d’entraide documentée, pour repérer ceux vers qui les collègues se tournaient spontanément. Et les appréciations de fin de projet, plus révélatrices que la note annuelle lissée.

Le croisement de ces signaux a fait apparaître une cartographie différente de celle des évaluations. Plusieurs gestionnaires de paie, jugés moyens dans la grille classique, présentaient une vitesse d’appropriation des nouveaux outils nettement supérieure à la moyenne, et une activité d’entraide intense. À l’inverse, certains profils très bien notés se révélaient rigidement attachés aux processus manuels qu’ils maîtrisaient.

Le Potential Stack a servi à approfondir la lecture sur les profils ambigus. Au-delà de l’inventaire de leurs compétences actuelles, la direction a examiné leur flexibilité cognitive, leur capacité à désapprendre, leur aptitude à articuler leur savoir avec celui des autres.

Conserver les mieux notés revenait à garder les meilleurs spécialistes d’un métier en train de disparaître. La question n’était pas qui excelle aujourd’hui, mais qui apprendra le métier de demain assez vite pour le tenir.

Les décisions de maintien n’ont jamais reposé sur le seul radar. Chaque profil a été validé par triangulation entre trois regards. Le manager direct, l’appréciation des pairs, et les données d’usage. Le radar signalait, des humains tranchaient. Cette discipline a aussi protégé le dispositif sur le plan juridique, en évitant toute décision lourde fondée sur un seul indicateur automatique.

Résultat

La fonction RH a été réduite de quarante-six pour cent sur la période prévue. Le taux de rétention des profils identifiés comme critiques par le radar a atteint quatre-vingt-onze pour cent à dix-huit mois, contre un taux de départ volontaire élevé observé habituellement dans ce type de restructuration.

Deux effets non prévus sont apparus. D’abord, trois gestionnaires de paie repositionnés sur des fonctions d’analyse de données RH ont absorbé leur nouveau périmètre plus vite que des profils recrutés à l’extérieur pour des rôles équivalents. Ensuite, la transparence partielle du dispositif, expliquée aux partenaires sociaux sans dévoiler les données individuelles, a désamorcé une partie de la défiance. La restructuration a été perçue comme moins arbitraire que les précédentes, parce qu’elle ne se fondait pas sur la seule ancienneté ni sur la seule note.

Leçons

  1. Dans une restructuration liée à l’automatisation, conserver les mieux notés revient souvent à garder les meilleurs spécialistes des tâches qui disparaissent. La performance passée mesure le mauvais critère.
  2. Les signaux de trajectoire — mobilités réussies, vitesse d’appropriation, entraide — prédisent mieux la capacité à tenir le métier futur que la note annuelle.
  3. Une décision de maintien ou de départ ne doit jamais reposer sur un seul indicateur automatique. La triangulation entre manager, pairs et données protège la justesse et la défendabilité juridique.
  4. Expliquer la logique du dispositif aux partenaires sociaux, sans livrer les données individuelles, réduit la perception d’arbitraire et facilite l’acceptation sociale.