Cependant, comme on le sait, les différences dans la culture d'entreprise et les désalignements organisationnels au cours du processus de fusion peuvent entraîner une rotation des talents, des tensions et un potentiel d'échec accru.

Dans un document de travail récent publié dans le SSRN Electronic Journal , Jingyuan Yang, professeur de systèmes d'information et de gestion des opérations au Donald G. Costello College of Business de l'Université George Mason, découvre comment prédire efficacement le roulement du personnel à l'aide d'une approche innovante basée sur l'IA. Cet article a également été co-écrit par Denghui Zhang du Stevens Institute of Technology et Hao Zhong de l'ESCP Business School à Paris.

"L'objectif principal de cette étude est d'examiner les effets des fusions et acquisitions sur le roulement du personnel dans divers secteurs d'activité et de tirer des informations généralisables sur les modèles de roulement", déclare Yang.

Dans le cadre de cette étude, les chercheurs ont utilisé un ensemble de données réelles à grande échelle contenant des informations sur l'historique des employés acquis ainsi que des informations sur les sociétés de fusions et acquisitions pour leur test de méthode. Les chercheurs ont ensuite développé un « réseau neuronal à graphes hétérogènes à double ajustement » pour prédire la rotation des talents lors de la phase de fusion des entreprises.

Grâce à l'analyse des données, ils ont mesuré un ajustement d'organisation à organisation (O-O) qui compare les similitudes entre les deux entreprises, et un ajustement de personne à organisation (P-O), qui analyse la compatibilité entre les fonctions individuelles et la nouvelle culture d'entreprise.

Yang souligne la distinction entre cette étude et la recherche traditionnelle sur les fusions et acquisitions, qui « se concentre uniquement sur les relations d'entreprise à entreprise, sans tenir compte de la compatibilité des employés », explique Yang.

L'ajustement O-O et l'ajustement P-O ont été convertis en une structure graphique, qui peut être utilisée pour quantifier l'adéquation globale des deux sociétés. Ce score, à son tour, détermine le taux de rotation probable pour des titres de poste spécifiques.

Les chercheurs ont découvert que les performances prédictives de leur solution dépassaient quatre modèles d'apprentissage automatique conventionnels formés sur les mêmes données, ainsi que trois modèles de réseaux neuronaux graphiques existants.

En s'appuyant sur des recherches existantes, Yang constate qu'un nombre étonnant de « 30 % des entreprises acquises lors d'une fusion sont parties dans les trois ans », soulignant la gravité du problème. Du point de vue de Yang, cela semble être une grande perte et un échec d'une acquisition axée sur l'embauche.

Mais que signifie l’approche de Yang pour les entreprises qui pourraient être impliquées dans l’« acquisition-embauche » à l’avenir et qui souhaitent éviter le même sort ? Pour Yang, ce modèle d'IA constitue un outil potentiel susceptible d'aider la prise de décision et l'efficacité globale des organisations.

"S'ils disposent de ces informations à l'avance, je pense que cela leur sera très utile pour prendre la décision de fusionner et également pour voir si c'est le moyen le plus efficace d'embaucher et de fidéliser l'équipe."

Elle précise que ce modèle prédictif répond à la question « Quel type d'employé sera le plus touché et l'équipe RH peut rapidement identifier si l'employé souhaité partira ou non ». En outre, les deux ajustements contiennent des informations utiles pour évaluer le processus de fusion et d'acquisition, pour voir si "au niveau de l'entreprise, il existe une compatibilité élevée, et au niveau individuel pour voir si le futur employé acquis sera satisfait et restera dans une entreprise". P>

Des prévisions précises des taux de rotation par fonction professionnelle permettent également aux entreprises acquéreuses de prendre des mesures proactives pour retenir les employés essentiels à leur mission qui pourraient présenter un risque élevé de démission. "Cela les aide à déterminer leur programme de fidélisation… [il existe] de nombreuses stratégies pour identifier les employés qu'ils souhaitent réellement recruter", explique Yang.

"Cela peut les aider à avoir de bonnes attentes. Les entreprises doivent prendre en compte le coût estimé de leur package de rétention avant de conclure un accord de fusion et d'acquisition."

Mais étant donné la forte probabilité de rotation et les coûts de rétention qui en résultent, « acquérir » est-il même une bonne idée dans la plupart des cas ? "Je pense que cela va rester une tendance pendant longtemps, car cela apporte encore de nombreux avantages. Les acquéreurs obtiennent non seulement des produits et des techniques uniques, mais il existe également parmi les employés acquis des connaissances générales qui sont vraiment précieuses. Je pense donc que cela "La stratégie continuera à prévaloir dans le domaine technologique", a déclaré Yang.