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.
Details
Maturity
Established
Promoter
VDAB (Vlaamse Dienst voor Arbeidsbemiddeling en Beroepsopleiding) — Flemish Public Employment Service
Period
2018–present
Keywords
public employment services, algorithmic profiling, labour-market forecasting, explainable AI, jobseeker support
Context
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.
Objectives
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.
Activities
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.
Implementation
Indicative cost
Medium (€50k–€500k) — In-house Random Forest profiling model integrated into existing VDAB registration workflow; no public cost figures found in source.
Time to results
Long (> 3 years) — Operational continuously since approximately 2018 to present.
Staffing & skills
VDAB caseworkers applying model outputs to prioritise support, VDAB data/technical team maintaining the Random Forest model
Conditions for success
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)
Common failure modes
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
Where it fits
Governance type
regional public employment service
Scale
regional (Flanders, Belgium — all new jobseeker registrants)
Income level
high-income (Belgium)
Data sources
Where this practice's information was retrieved from, and when.