evidoria

← Retour à la liste

Good practice

Next-Step — Le profilage par apprentissage automatique du VDAB sur le risque de réemploi des demandeurs d'emploi (Flandre, Belgique)

Belgique · Brussels · Voir le profil de Belgique

Depuis ~2018, le service de l'emploi flamand VDAB utilise un modèle Random Forest, « Next-Step », pour prédire la probabilité de réemploi et orienter les plus à risque de chômage prolongé vers un accompagnement intensif, en évaluant les nouveaux inscrits en six semaines.

Détails

Maturité
Established
Promoteur
VDAB (Vlaamse Dienst voor Arbeidsbemiddeling en Beroepsopleiding) — Flemish Public Employment Service
Période
2018–present
Mots-clés
public employment services, algorithmic profiling, labour-market forecasting, explainable AI, jobseeker support

Contexte

Depuis environ 2018, le VDAB (Vlaamse Dienst voor Arbeidsbemiddeling en Beroepsopleiding), le service public de l'emploi de la région flamande de Belgique, utilise un outil de profilage par apprentissage automatique, appelé en interne « Next-Step », pour estimer la probabilité qu'un nouveau demandeur d'emploi retrouve un travail dans un horizon donné.

Objectifs

L'outil vise à classer tous les nouveaux demandeurs d'emploi dans les six semaines suivant leur inscription, en utilisant la probabilité de retour à l'emploi prédite pour prioriser le temps des conseillers vers les personnes jugées les moins susceptibles de retrouver un emploi sans aide, plutôt que de répartir le soutien uniformément entre tous les inscrits.

Activités

Le modèle sous-jacent est une forêt aléatoire (Random Forest), entraînée sur les données d'inscription et l'historique du marché du travail des demandeurs d'emploi. Le VDAB a présenté la conception du modèle lors de forums européens tels que le Cedefop, et des recherches évaluées par des pairs ont appliqué des techniques d'IA explicable, comme TreeSHAP, à des données de profilage liées au VDAB pour évaluer l'interprétabilité et l'équité du modèle.

Conclusions

Contrairement à des systèmes comparables en Pologne (jugé inconstitutionnel et abandonné en 2019) et en Autriche (bloqué par l'autorité de protection des données avant un déploiement national), le Next-Step du VDAB est resté en utilisation opérationnelle continue, mais aucun chiffre d'exactitude ou de taux d'erreur de classification audité de manière indépendante spécifique à Next-Step n'a été publié.

Mise en œuvre
Coût indicatif
Medium (€50k–€500k) — In-house Random Forest profiling model integrated into existing VDAB registration workflow; no public cost figures found in source.
Délai jusqu’aux résultats
Long (> 3 years) — Operational continuously since approximately 2018 to present.
Personnel et compétences
VDAB caseworkers applying model outputs to prioritise support, VDAB data/technical team maintaining the Random Forest model

Conditions de réussite

  • Screening embedded into standard registration workflow (classification within six weeks)
  • Continuous operation since 2018, avoiding the legal/constitutional challenges faced by comparable Polish and Austrian systems
  • Openness to external academic scrutiny (TreeSHAP-based fairness/interpretability research) and public presentation of methodology at EU forums (Cedefop)

Modes d’échec courants

  • No independently audited accuracy or misclassification-rate figures specific to Next-Step have been published
  • Comparable systems elsewhere (Poland, Austria) were discontinued or blocked over legal and fairness concerns

Où cela s’applique

Type de gouvernance
regional public employment service
Échelle
regional (Flanders, Belgium — all new jobseeker registrants)
Niveau de revenu
high-income (Belgium)

Sources de données

D'où proviennent les informations de cette pratique, et quand.

Pratiques similaires qui pourraient vous être utiles