Turnover Volontaire 2026 : 5 Causes Racines

L'analyse turnover volontaire moyenne s'arrête à deux réponses : les gens sont partis pour plus d'argent, ou pour une meilleure opportunité de croissance. Les deux sont, en général, des explications de surface qui masquent la vraie cause racine située une ou deux couches en dessous. Les données longitudinales du Work Institute portant sur plus de 250 000 départs montrent que 75 % du turnover volontaire est évitable, et pourtant, la plupart des entreprises agissent sur le mauvais levier parce que leur analyse n'a jamais atteint le facteur réel.

Ce guide propose un cadre opérationnel d'analyse turnover volontaire qui dépasse les réponses faciles centrées sur la rémunération et la croissance. Il couvre les 5 catégories de causes racines que toute analyse doit distinguer, les 4 sources de données nécessaires, le workflow en 5 étapes du départ brut à l'intervention de rétention, la segmentation par cohortes qui révèle les motifs au niveau des managers, et les erreurs analytiques classiques qui produisent des fausses causes racines. Pour le contexte plus large de l'offboarding, commencez par notre guide complet du processus d'offboarding.

Chaque cadre présenté ici s'appuie sur les recherches du Work Institute, Gallup, McKinsey, AIHR et SHRM, et reste aligné sur les exigences de l'AI Act européen et du RGPD pour les people analytics. Le coût d'une mauvaise analyse n'est pas abstrait : le turnover regrettable représente entre 50 % et 200 % du salaire annuel par départ. Le coût d'une cause racine erronée, c'est de payer cette facture deux fois, parce que la personne suivante sur le même poste partira pour la même raison non traitée.

Pourquoi la plupart des analyses de turnover volontaire échouent

Le schéma dominant dans les équipes RH du mid-market : sortir un chiffre de turnover trimestriel, segmenter par département, lire les commentaires d'entretien de départ, conclure que le problème vient de la rémunération ou de l'évolution de carrière, et proposer une révision des grilles salariales. Six mois plus tard, le taux n'a pas bougé, et le tour suivant produit les mêmes conclusions. Le cycle se répète parce que l'analyse confond la raison déclarée du départ avec la cause racine du départ.

Le piège de la raison déclarée

Les collaborateurs mentent rarement en entretien de départ. Ils disent rarement toute la vérité non plus. "J'ai eu une meilleure offre" est vrai mais incomplet. La version honnête se rapproche de "J'ai commencé à chercher parce que mon manager a cessé de me donner du feedback il y a 4 mois, et une fois en recherche, la meilleure offre est arrivée facilement". Deux interventions très différentes découlent de ces deux formulations.

Les pièges de l'agrégation et du "on sait déjà"

Les taux à l'échelle de l'entreprise sont presque inutiles pour le travail sur les causes racines. Un taux de 14 % réparti uniformément, ce n'est pas le même problème qu'un taux de 14 % qui culmine à 35 % dans une équipe et reste à 4 % ailleurs. Le premier signale un problème structurel, le second désigne un manager. La plupart des analyses ne croisent qu'une seule dimension à la fois (département, ancienneté, genre), alors que les motifs actionnables se logent à des intersections du type "femmes en ingénierie avec 18 à 36 mois d'ancienneté sous 3 managers spécifiques". Une analyse à axe unique ne peut pas voir ces intersections. Vient ensuite le piège du "on sait déjà" : les équipes RH qui ont fait tourner quelques cycles de départ développent un récit sur les raisons des départs, et l'analyse confirme finalement ce qu'on croyait déjà. Les preuves contraires sont écartées.

Volontaire, involontaire, regrettable, évitable

Avant tout travail sur les causes racines, la catégorisation doit être propre. Mélanger les catégories produit un bruit analytique qu'aucun découpage ne peut corriger.

Volontaire vs involontaire

Le turnover volontaire désigne les séparations à l'initiative du collaborateur : démissions, départs en retraite, contrats à durée déterminée non renouvelés à la demande du collaborateur. Le taux turnover volontaire correspond aux départs volontaires divisés par l'effectif moyen, exprimé en pourcentage. Le benchmark mid-market européen 2024 du SHRM se situe entre 11 % et 17 % par an. Le turnover involontaire est à l'initiative de l'employeur : licenciements pour insuffisance professionnelle, suppressions de poste, plans sociaux, fin de période d'essai. Causes racines différentes, contexte juridique différent. Mélanger l'involontaire dans le volontaire gonfle le taux et brouille le diagnostic.

Regrettable et évitable

Le turnover regrettable est le sous-ensemble des départs volontaires que l'entreprise aurait préféré retenir, défini par la performance, la criticité du rôle et la difficulté de remplacement. C'est la seule catégorie où le calcul du coût a vraiment du sens : 50 % à 200 % du salaire annuel par départ pour les contributeurs individuels, jusqu'à 400 % pour les rôles seniors ou de leadership selon la méta-analyse 2025 de l'AIHR. Le turnover évitable est le sous-ensemble qu'un meilleur management, une meilleure adéquation ou plus de reconnaissance auraient évité, soit environ 75 % des départs volontaires selon le Work Institute. La cellule qui mérite l'attention analytique, c'est regrettable + évitable. C'est là que la root cause analysis se transforme en ROI.

Les 5 catégories de causes racines que toute analyse doit distinguer

La plupart des raisons de départ se ramènent à 5 causes racines. Les traiter comme une seule case appelée "engagement" est l'erreur analytique la plus courante. Chaque catégorie a une signature différente dans les données et appelle une intervention différente. Une analyse de turnover propre étiquette chaque départ regrettable et évitable dans une seule catégorie principale, éventuellement accompagnée d'une catégorie secondaire.

Catégorie 1 : Relation managériale

La catégorie "le manager comme cause racine". Les données State of the Workplace de Gallup attribuent 52 % des départs volontaires à des facteurs liés au manager : absence de feedback, micro-management, favoritisme, pas de soutien à la carrière, confiance brisée après un incident précis. C'est la plus grande catégorie unique dans la plupart des jeux de données, et celle au plus fort effet de levier, parce que le comportement managérial est modifiable et concentré.

Catégorie 2 : Rémunération et équité

Trois sous-causes se cachent dans cette catégorie et méritent une analyse séparée : écart marché (rémunération externe sensiblement plus élevée), écart avec un pair interne (un collègue qui fait un travail similaire gagne plus), et choc personnel sur la rémunération (coût de la vie, changement familial, falaise de vesting). Chaque sous-cause appelle une réponse différente. Les traiter comme une seule, c'est pourquoi des ajustements de grille indifférenciés échouent souvent à faire bouger la rétention.

Catégorie 3 : Trajectoire de croissance

Pas l'opportunité de formation au sens abstrait. La question précise est de savoir si le collaborateur voyait une trajectoire crédible à 18 ou 24 mois à l'intérieur de l'entreprise. Deux modes d'échec : aucune trajectoire n'existe dans la famille de rôles (problème structurel d'architecture des emplois), ou une trajectoire existe mais le collaborateur ne l'a pas vue (problème de conversation managériale).

Catégorie 4 : Adéquation au rôle et sens

Le travail lui-même ne convient pas à la personne. Décalage compétence-tâche, décalage de valeurs, ou érosion du sens (le rôle paraissait important et a cessé de l'être). Apparaît souvent en entretien de départ sous la forme "je veux un nouveau défi". Cette formulation autour du défi cache le décalage sous-jacent.

Catégorie 5 : Événements de vie et attraction externe

Causes véritablement externes : déménagement pour suivre un partenaire, charges d'aidant familial, santé, reprise d'études, pivot de carrière vers un autre secteur. Largement non évitables, et il ne faut pas les forcer dans des catégories évitables. Chaque départ est étiqueté dans 1 catégorie principale plus 0 à 1 catégorie secondaire dans les 30 jours, par un relecteur humain ayant accès à la transcription d'entretien de départ, au debrief manager, à l'historique des stay interviews et aux 2 derniers cycles de revue de performance.

Les données dont vous avez réellement besoin : une vue à 4 axes

Une analyse turnover volontaire sérieuse exige 4 axes de données. La plupart des entreprises en ont 1 ou 2 et essaient de compenser par une analyse plus poussée sur des données insuffisantes. Le résultat : des réponses fausses avec un haut niveau de confiance. Construisez les axes manquants avant de construire l'analyse.

Axes 1 et 2 : données de départ structurées et signaux des stay interviews

Axe 1 : date de séparation, dernier jour travaillé, rôle, niveau, département, manager, ancienneté dans le rôle, ancienneté dans l'entreprise, performance sur les 2 derniers cycles, drapeau "regrettable", drapeau "évitable", et l'étiquette de cause racine parmi les 5 catégories. Plus des réponses structurées d'entretien de départ sur un instrument fixe, pour pouvoir comparer les départs entre eux et pas seulement les lire comme anecdotes (voir notre guide des questions d'entretien de départ). Axe 2 : le meilleur prédicteur de qui est sur le point de partir, c'est ce que la personne a dit lors de sa dernière stay interview, pas son entretien de départ. Les stay interviews tournent chaque trimestre avec les talents clés. L'asymétrie : les signaux des stay interviews prédisent, les entretiens de départ expliquent. Les deux sont nécessaires. Voir notre comparaison stay vs entretien de départ.

Axes 3 et 4 : pente d'engagement et cohortes par manager

L'axe 3, c'est la pente, pas le score absolu. Un collaborateur à 7/10 en baisse sur 3 pulses consécutifs est plus à risque qu'un collaborateur stable à 5/10. La plupart des plateformes d'engagement font remonter des chiffres absolus ; c'est la pente qui prédit. Si vous n'avez pas de données de pulse, la lecture qualitative du manager sur l'énergie de l'équipe dans les notes de 1:1 fait office de proxy utilisable (notre guide du modèle 1-on-1 meeting montre comment capturer cela). Axe 4 : agréger turnover, raisons de départ, pente d'engagement et signaux des stay interviews au niveau du manager, en incluant les anciennes équipes que ce manager a dirigées. Sans cette vue, impossible de voir la concentration 80/20 par manager qui explique l'essentiel du turnover évitable.

Le workflow d'analyse turnover volontaire en 5 étapes

Un cycle reproductible, à exécuter au minimum chaque trimestre, mensuellement si le turnover est élevé. Chaque étape produit une sortie définie qui alimente la suivante. Sauter des étapes produit une analyse narrative qui semble éclairante et ne change rien.

Étape 1 : collecter et nettoyer

Sortir tous les départs volontaires de la période. Appliquer les drapeaux "regrettable" et "évitable" selon les critères validés en amont par la direction. Étiqueter chaque départ dans les 5 catégories de causes racines à partir des données des 4 axes. Sortie : un jeu de données structuré avec une ligne par départ. En général 2 à 4 heures par trimestre une fois le pipeline en place.

Étape 2 : segmenter et concentrer

Découper le jeu de données par tranche d'ancienneté, famille de rôles, manager, performance et pente d'engagement. Chercher les cellules dont les taux dépassent sensiblement la moyenne de l'entreprise. Sortie : 3 à 7 cohortes à forte concentration qui représentent la majorité des départs regrettables et évitables.

Étape 3 : hypothèse de cause racine

Pour chaque cohorte à forte concentration, formuler une hypothèse de cause racine ancrée dans les 5 catégories. Tester l'hypothèse contre les données qualitatives : transcriptions d'entretien de départ, historique des stay interviews, notes de 1:1 du manager. Réfuter ou affiner. Sortie : 3 à 7 hypothèses avec un niveau de preuve évalué bas, moyen ou élevé. Les hypothèses à preuve faible repartent en collecte de données, pas en intervention.

Étape 4 : intervenir

Chaque hypothèse à preuve moyenne ou élevée reçoit une intervention associée, avec une cible mesurable et une fenêtre de 60 à 90 jours. Les hypothèses liées au manager déclenchent du coaching, un changement de rôle ou un développement managérial structuré. Les hypothèses liées à la rémunération déclenchent un travail ciblé sur les grilles ou des ajustements de cas spécifiques. Les hypothèses liées à la croissance déclenchent un travail d'architecture des emplois ou une mise en capacité des conversations managériales. Un seul propriétaire par intervention, nommé par écrit.

Étape 5 : mesurer et itérer

Suivre la même cohorte à 60 et 120 jours après l'intervention. La pente d'engagement s'est-elle aplanie ? Les départs regrettables ont-ils baissé ? Le sentiment en stay interview a-t-il changé ? Si l'intervention n'a pas bougé l'aiguille, l'hypothèse était fausse ou l'intervention insuffisante. Sortie : un scorecard trimestriel de rétention qui suit le ROI des interventions, pas seulement le taux de turnover.

Analyse cohortes : ancienneté x rôle x manager x performance

Les insights actionnables vivent à l'intersection des dimensions. Une analyse cohortes propre est un cube à 4 dimensions, pas une pile de rapports à 1 dimension. Les entreprises mid-market entre 200 et 2 000 collaborateurs peuvent faire tourner cela dans un tableur. Au-delà de 2 000, un outillage dédié de people analytics se rentabilise vite.

Tranches d'ancienneté, familles de rôles, agrégation managériale

Découpages d'ancienneté standards : 0 à 6 mois (échec d'onboarding), 6 à 18 mois (révélation de l'adéquation au rôle), 18 à 36 mois (test de la trajectoire de croissance), 36 à 60 mois (inflexion mi-carrière), 60+ mois (ancienneté profonde). Chaque tranche a un profil typique de cause racine. Les départs "échec d'onboarding" dans les 6 premiers mois renvoient presque toujours à des défaillances de recrutement ou de cadrage des attentes, pas à un problème d'engagement. Découper par famille de rôles (ingénierie, ventes, customer success, opérations), pas par intitulé de poste, ce qui fragmente les données. Puis agréger chaque départ sous chaque manager, anciennes équipes incluses, avec trois années d'historique comme horizon de travail. Les managers dont le taux est constamment élevé sur plusieurs équipes appellent une intervention différente de ceux qui ont eu une seule mauvaise cohorte.

Performance et l'intersection qui paie

Ajouter la couche performance : les départs de hauts performeurs et de bas performeurs se ressemblent en chiffres bruts et ont des implications opposées. Le turnover regrettable est concentré sur les départs de hauts performeurs. La requête la plus utile : départs de hauts performeurs dans la tranche d'ancienneté 18 à 36 mois, par manager. Cette intersection isole avec une grande précision le turnover regrettable, évitable et lié au manager. La plupart des entreprises qui la font tourner pour la première fois découvrent que 2 ou 3 managers représentent 30 % à 50 % de leurs pertes regrettables.

Motifs au niveau manager : le 80/20 du turnover évitable

Le turnover évitable n'est pas réparti uniformément entre les managers. Sur plusieurs jeux de données AIHR et Gallup, environ 20 % des managers concentrent 60 % du turnover évitable. La forme varie selon la taille et le secteur, mais la concentration reste cohérente. C'est l'apport à plus fort effet de levier que la plupart des démarches d'analyse de turnover produisent, et la plupart des entreprises ne savent pas en tirer parti proprement.

Trois profils dans la queue à fortes pertes

Les 20 % qui perdent du monde ne sont pas tous identiques. Profil 1 : le manager qui évite le conflit, ne donne jamais de feedback et laisse le désengagement silencieux s'installer jusqu'à la démission. Profil 2 : le manager sous haute pression, qui tire la performance court terme par une intensité que les hauts performeurs supportent 18 mois avant de partir. Profil 3 : le manager absent, techniquement excellent mais qui ne consacre pas de temps aux personnes ; les rapports dérivent vers des équipes mieux managées ou vers des offres externes.

Pourquoi la formation seule échoue, et la décision difficile

La formation managériale générique ne fait pas bouger la queue à fortes pertes. Le manager qui évite le conflit sait déjà qu'il devrait donner du feedback. Le manager sous haute pression sait déjà que ses équipes ont besoin de récupérer. Le manager absent sait déjà que ses équipes ont besoin de 1:1. L'écart n'est pas dans la connaissance, il est dans le comportement. Le changement de comportement demande du coaching structuré avec des cibles comportementales mesurables, pas un atelier. Certains managers de la queue à fortes pertes ne changeront pas. L'analyse honnête inclut le changement de rôle parmi les interventions : les sortir du management de personnes vers des trajectoires IC ou de spécialiste où leurs forces s'expriment sans le coût humain. Notre article sur les réseaux de performance cachés explique comment repérer ces motifs au niveau de l'organigramme.

Rémunération et trajectoire de croissance : les causes racines en profondeur

La rémunération et la trajectoire de croissance sont les deux causes racines les plus sur-attribuées. "Ils sont partis pour plus d'argent" et "pas d'opportunité de croissance" ferment l'analyse trop tôt. Chacune mérite un découpage en sous-catégories propre avant qu'une intervention soit nommée.

Rémunération : marché, pair interne, choc personnel

Écart marché : rémunération totale sensiblement en dessous du marché externe. Testée contre des données de marché actuelles (Mercer, Radford, benchmarks sectoriels) au moment de la démission, pas à la dernière revue de grille. Un collaborateur dans la grille peut tout de même être 15 % en retard sur le marché. Écart avec un pair interne : le collaborateur a découvert qu'un collègue qui fait un travail similaire gagne sensiblement plus. Plus corrosif que l'écart marché, parce qu'il déclenche un sentiment d'injustice et pas seulement un coût d'opportunité. Choc personnel sur la rémunération : les besoins du collaborateur ont changé (flambée du coût de la vie, changement familial, falaise de vesting). Chaque sous-cause appelle une réponse différente.

Le test du disqualifieur

Avant d'étiqueter un départ comme étant à racine "rémunération", appliquer le disqualifieur : ce collaborateur serait-il resté à +15 % de rémunération si tout le reste avait été inchangé ? Si la réponse honnête est "probablement pas, il était déjà désengagé", la cause racine est la question d'engagement sous-jacente, pas la rémunération. La rémunération a été le déclencheur, pas la cause. Ce test réduit d'environ 30 % les faux positifs sur l'étiquetage rémunération.

Trajectoire de croissance : existait-elle, le collaborateur la voyait-il

Trajectoire existante, collaborateur qui ne la voyait pas : l'architecture des rôles propose une étape suivante crédible à 18 ou 24 mois, mais la conversation qui aurait permis de cartographier cette étape n'a jamais eu lieu. Solution : conversations de carrière structurées tous les 6 mois, plans de développement individuel reliés à la progression dans la famille de rôles, programmes de mobilité interne. Trajectoire qui n'existe pas pour cette famille de rôles : fréquent dans les rôles IC très spécialisés et dans les organisations plates passé leur phase de croissance. Solution : travail d'architecture des emplois pour des trajectoires latérales ou de spécialiste, conversations honnêtes sur le plafond, programmes alumni pensés en amont. La défaillance opérationnelle la plus fréquente sur ces deux sous-causes, c'est la conversation de carrière manquante. Les stay interviews et la cadence structurée des 1:1 captent cela 6 à 12 mois plus tôt que les entretiens de départ. Notre modèle de 1-on-1 meeting intègre la cadence par défaut.

Erreurs courantes en analyse turnover volontaire

Des motifs qui apparaissent régulièrement chez les équipes RH qui font tourner leur premier ou deuxième cycle analytique. Chacun produit une réponse fausse avec assurance.

Mauvais titre, commentaires de départ pris pour vérité, oubli des restants

Le taux total de turnover volontaire est une vanity metric. La métrique en titre devrait être le taux de turnover regrettable + évitable, ventilé par manager et par tranche d'ancienneté. Le taux total fait sentir à la direction que quelque chose est mesuré ; le taux segmenté lui dit où agir. Le texte libre des entretiens de départ est un signal, pas une preuve. Il faut le recouper avec l'historique des stay interviews, les notes de revue de performance et le debrief manager. Un motif sur 5 départs est une preuve ; un seul commentaire émotionnel n'en est pas une. Le groupe de contrôle, c'est aussi les personnes de la même cohorte qui sont restées : si la cohorte à fortes pertes est aussi une cohorte à forte rétention, le manager ou le rôle n'est peut-être pas la cause racine. Notre guide de prévention du burnout par les données couvre l'analyse côté restants.

Cycle annuel, pas de mesure, angles morts RGPD et AI Act

Les cycles annuels ne permettent pas d'intervenir à temps. La décision de partir se prend en général 2 à 4 mois avant la démission, et le désengagement qui l'a produite a démarré 6 à 12 mois plus tôt. Le trimestriel est la cadence minimale utile. La plupart des analyses se terminent par des recommandations sans jamais mesurer si elles ont fonctionné : le suivi de cohorte à 60 et 120 jours, c'est ce qui rend le cycle suivant plus intelligent que le précédent. Enfin, les people analytics dans l'UE s'inscrivent dans le RGPD (base légale, limitation des finalités, minimisation des données) et dans l'AI Act européen (transparence sur les décisions automatisées, classification haut risque pour certains usages RH). L'analyse agrégée par cohortes ne pose pas de problème. Le scoring individuel de "risque de départ" sans gouvernance est un sujet de conformité et exige une AIPD, une base légale claire et une revue humaine.

Quantitatif vs qualitatif, et la couche IA

Les deux modes sont nécessaires, dans une répartition d'environ 80/20 : quantitatif pour l'identification des cohortes, qualitatif pour la confirmation des causes racines. La plupart des analyses RH inversent la répartition, ce qui semble éclairant et change rarement les résultats. Lancez d'abord le quantitatif pour identifier les 3 à 7 cohortes qui comptent, puis les plongées qualitatives sur ces cohortes. Une analyse appuyée par un LLM peut lire 50 transcriptions d'entretien de départ en quelques minutes, les étiqueter dans les 5 catégories et les relier aux données de cohorte, en compressant 2 semaines de travail en 2 heures, tout en gardant un humain dans la boucle pour la confirmation des étiquettes. Notre guide d'automatisation de l'entretien de départ couvre le workflow IA conforme à l'AI Act européen.

KS-Agents Torch : extraction de connaissances en paiement à l'usage

KS-Agents Torch conduit l'entretien d'extraction de connaissances par IA lorsqu'un collaborateur quitte l'entreprise, produit des comptes-rendus structurés prêts pour le successeur, et intègre la résidence des données dans l'UE, la conformité RGPD article 22 et l'alignement avec l'EU AI Act. Toute production assistée par IA est confirmable et réversible par un relecteur humain. Torch est en paiement à l'usage, sans abonnement : 45 EUR pour un entretien d'extraction, 175 EUR pour un pack de 5 entretiens. Voir les tarifs de Torch →

FAQ : analyse turnover volontaire

Qu'est-ce que l'analyse turnover volontaire ?

L'étude systématique des séparations à l'initiative du collaborateur visant à identifier les causes racines, prédire le risque futur et concevoir des interventions de rétention. Elle distingue volontaire d'involontaire, regrettable de non regrettable, évitable de non évitable, et utilise la segmentation par cohortes pour repérer les motifs de concentration.

Quel est un taux turnover volontaire sain ?

Les benchmarks SHRM pour le mid-market européen se situent entre 11 % et 17 % par an selon le secteur. Le taux total compte moins que le sous-ensemble regrettable + évitable, qui devrait idéalement rester sous 8 %.

Quelle est la différence entre turnover volontaire et turnover regrettable ?

Le turnover volontaire désigne toute séparation à l'initiative du collaborateur. Le turnover regrettable est le sous-ensemble que l'entreprise aurait préféré retenir, défini par la performance et la criticité du rôle. Tout turnover regrettable est volontaire, mais tout turnover volontaire n'est pas regrettable.

Quel pourcentage du turnover volontaire est évitable ?

Les données longitudinales du Work Institute portant sur plus de 250 000 départs situent le turnover volontaire évitable autour de 75 %. Les 25 % restants relèvent d'événements de vie réels, de pivots de carrière ou d'autres causes externes.

Quelles sont les principales causes turnover collaborateurs ?

Cinq catégories de causes racines : la relation managériale (la plus grande cause unique, environ 52 % selon Gallup), la rémunération et l'équité, la trajectoire de croissance, l'adéquation au rôle et le sens, les événements de vie avec attraction externe.

Comment calculer le taux turnover volontaire ?

Le taux turnover volontaire correspond aux départs volontaires de la période divisés par l'effectif moyen, exprimé en pourcentage. Annualisez prudemment les taux infra-annuels ; multiplier un taux trimestriel par 4 surévalue le chiffre annuel si les départs se concentrent sur certains mois.

À quelle fréquence faut-il faire tourner une analyse turnover volontaire ?

Le trimestriel est la cadence minimale utile. Le mensuel vaut mieux quand le turnover est élevé ou quand des interventions sont en cours. Les cycles annuels sont trop lents, puisque la décision de partir est en général prise 2 à 4 mois avant la démission.

Quelles données pour une analyse de turnover sérieuse ?

Quatre axes : données de départ structurées avec l'étiquette de cause racine parmi les 5 catégories, signaux des stay interviews, pente de tendance d'engagement (pas seulement les scores absolus), et agrégation des cohortes au niveau manager incluant les anciennes équipes.

Comment l'AI Act européen affecte-t-il l'analyse de turnover ?

L'analyse au niveau cohorte n'est pas restreinte. Le scoring individuel de "risque de départ" assorti de décisions automatisées relève des catégories d'IA à haut risque et exige une AIPD, une transparence vis-à-vis des personnes concernées, une base légale au titre du RGPD, et une revue humaine dans la boucle.

Quel est le coût du turnover volontaire ?

Les coûts du turnover regrettable vont de 50 % à 200 % du salaire annuel par départ pour les contributeurs individuels, et jusqu'à 400 % pour les rôles seniors spécialisés ou de leadership selon la méta-analyse 2025 de l'AIHR. Voir notre analyse stratégique de la perte de connaissances pour le modèle de coût complet.

De l'analyse à la stratégie de rétention

Une analyse turnover volontaire qui ne produit pas 3 à 5 interventions nommées avec des propriétaires, des cibles et des fenêtres de temps est incomplète. Le travail analytique est la partie peu coûteuse ; le travail opérationnel de modification du comportement managérial, de correction des grilles de rémunération et de construction des trajectoires de carrière, c'est là que le coût et le retour se logent. Trois choses à faire ce trimestre : reconstruire les 12 derniers mois de départs volontaires avec les étiquettes des 5 catégories et les drapeaux regrettable + évitable ; construire le cube cohortes à 4 dimensions et chercher l'intersection hauts performeurs + ancienneté 18 à 36 mois + manager ; nommer 3 à 5 interventions avec propriétaires et fenêtres de 60 à 90 jours, en mettant le suivi cohorte à 60 et 120 jours dans l'agenda avant le démarrage des interventions.

Pour le système de rétention plus large, le guide de l'offboarding collaborateurs couvre la colonne vertébrale opérationnelle, la comparaison stay vs entretien de départ couvre la couche prédictive, le modèle de transfert de connaissances couvre l'atténuation des pertes, le modèle de checklist d'offboarding ferme la boucle opérationnelle. Et notre guide complet de l'entretien de départ consolide la pratique. Or it works or we fail. Le cadre vous donne la discipline pour savoir, à temps, vers laquelle des deux issues vous vous dirigez.