Blackstraw aide AMN Healthcare à établir des correspondances fructueuses avec Azure

15 juillet 2024

Dans le domaine du recrutement pour le secteur de la santé, les recruteurs sont confrontés à un défi constant et urgent : évaluer les qualifications des candidats compétents et associer ces derniers aux postes vacants de façon rapide et précise. Pour les postes spécialisés, comme les infirmières/infirmiers itinérants et les médecins, où un placement rapide est essentiel pour répondre à l’urgence et à la demande locale, il faut impérativement surmonter cette difficulté. C’est précisément le genre de défi que Blackstraw, une société de conseil en données et en IA, est prête à résoudre.

Partenaire Microsoft fort d’une équipe de plus de 300 scientifiques et ingénieurs de données qualifiés, Blackstraw aide les organisations à moderniser leur infrastructure et leurs opérations de données avec Azure. Mieux encore, elle peut utiliser les données pour créer et déployer des solutions d’IA adaptées aux besoins métier de ses clients.

« Nous sommes compétents dans les deux domaines : l’IA et l’ingénierie des données. C’est ainsi que nous permettons à nos clients d’enregistrer, de traiter et de stocker les données dont ils ont besoin », déclare Atul Arya, fondateur et PDG de Blackstraw. « Mais une fois que ces données ont été traitées et stockées, comment les rendre exploitables ? Comment les utiliser pour résoudre des problèmes métier ? C’est là que nous intervenons avec l’IA. »

Un système de correspondance automatisé et précis

Au vu de l’expérience de Blackstraw comme partenaire de solutions pour les données et l’IA (Azure), l’innovation numérique et des applications (Azure) et l’infrastructure (Azure), AMN Healthcare s’est tournée vers ce partenaire Microsoft pour élaborer une solution optimisée par l’IA qui l’aiderait à rationaliser ses opérations, réduire la charge de travail de ses recruteurs et mettre en œuvre des mesures de protection pour limiter les biais tout au long du processus d’embauche.

Après avoir travaillé avec AMN Healthcare pour évaluer son architecture de données existante, Blackstraw a utilisé Azure Machine Learning Studio pour développer un système de correspondance automatisé capable d’utiliser ses sources de données existantes, dont un serveur SQL Server local et Azure CosmosDB. Avec un portail et une application mobile utilisables à la fois par les candidats et les recruteurs, le système se compose de quatre composants principaux :

• Un moteur de correspondance multimodèle avancé, qui utilise des algorithmes de classification et de régression pour prendre en compte des facteurs tels que l’éligibilité d’un candidat, sa probabilité d’exécuter une mission et la pertinence de l’offre par rapport à son itinéraire professionnel.
• Un pipeline d’apprentissage automatique en plusieurs phases, qui prédit des résultats cruciaux tels que les diplômes obtenus et les évaluations en entretien. Après avoir attribué des critères de pondération spécifiques à des scores de probabilité individuels, le processus produit un score de correspondance complet avec une hiérarchisation nuancée et précise.
• Des outils de sourcing, qui peuvent aider à réduire les risques de préjugés en utilisant le traitement du langage naturel et l’apprentissage automatique pour analyser les CV et les lettres de motivation sans s’appuyer sur des mots-clés ou des expressions liés à des caractéristiques démographiques. Ces outils peuvent également filtrer les candidats sur la base de critères objectifs (notamment les compétences, l’expérience et la formation) plutôt que sur des facteurs subjectifs (tels que le nom, le sexe ou l’origine ethnique). 
• Un tableau de bord d’explicabilité des correspondances, qui fournit une analyse complète des facteurs influant sur les décisions du modèle, ce qui favorise à la fois la transparence et la confiance.

L’application peut enregistrer et traiter automatiquement toutes les modifications apportées aux offres d’emplois en temps réel et extraire des informations des CV pour les faire correspondre aux descriptions de postes. « On peut la voir comme une application de rencontres : Quelle est la probabilité d’une correspondance ? L’environnement est différent, mais le concept est le même. Vous voulez améliorer la probabilité d’une correspondance avec l’offre emploi publiée », conclut A. Arya.

L’amélioration de cette probabilité nécessite une exactitude et une précision accrues, c’est pourquoi Blackstraw ré-entraîne régulièrement les modèles et les soumet à une maintenance stricte. « Non seulement nous détectons les évolutions dans le temps, mais nous évitons également toute perte de précision en utilisant Azure Machine Learning Studio », explique A. Arya.

Blackstraw compte plus de 100 implémentations Azure réussies à son actif, mais lorsqu’il s’agit d’IA, c’est sa vision pragmatique qui lui permet de rester réaliste. « Nous nous concentrons non seulement sur ce qui est possible, mais aussi sur ce qui ne l’est pas, et nous sommes très transparents sur ce point », déclare A. Arya. « Il y a une question fondamentale à laquelle il faut répondre : comment gérer les imprécisions de l’IA ? C’est une question que l’on ne pose pas assez ou à laquelle on ne répond pas assez, mais nous y sommes sensibles et nous tenons à y répondre. »

Des correspondances établies en quelques minutes

Lorsqu’AMN Healthcare a déployé le système de correspondance automatisé optimisé par l’IA, des correspondances de candidatures ont été trouvées en à peine une minute après la saisie de nouvelles offres dans le système. Dans l’ensemble, les temps de traitement moyens sont tombés à moins de six minutes grâce à Azure Kubernetes Service et à l’architecture Kubernetes orientée événements. Cela représente une nette amélioration par rapport au temps que les recruteurs passaient à analyser des CV.

Au-delà de l’amélioration du processus de mise en correspondance, la solution de Blackstraw permet à AMN Healthcare de prendre des décisions basées sur les données et d’optimiser l’ensemble du processus de dotation en personnel. « La solution offre des informations précieuses sur le volume des offres et les niveaux de facturation prévus pour différentes disciplines et spécialités dans les mois à venir, ce qui autorise une prise de décision éclairée et une planification stratégique », signale M. Hagan. « En rendant les futures demandes en personnel plus visibles, [la solution] améliore la gestion de la dotation en personnel de santé, ce qui renforce l’efficacité des processus et fait venir plus rapidement les professionnels de santé là où l’on a besoin d’eux pour soigner des patients. »

À l’avenir, Blackstraw et AMN Healthcare prévoient de travailler ensemble pour continuer à affiner la solution afin qu’elle évolue avec l’entreprise. « AMN Healthcare est une grande entreprise qui possède de nombreuses applications avec lesquelles ce modèle fonctionne ou auxquelles il est connecté », indique A. Arya. « Faire en sorte qu’il s’intègre à toutes exigera une stratégie à long terme. »

Forte de sa vaste expérience et de sa profonde maîtrise d’Azure, Blackstraw a créé une solution qui a un impact significatif sur les prestataires de personnel de santé, les recruteurs et les professionnels du secteur, mais surtout sur les patients qui ont besoin de soins de qualité.