Leadify — AI leadership simulation platform
Le moteur d'évaluation Leadify

La science de la mesure du comportement.

Chaque score Leadify sort d'un moteur psychométrique calibré — pas de l'avis d'un LLM. Cette page montre exactement comment.

Réserver une revue méthodologiqueVoir les quatre piliers
Moteur d'évaluation · v3.2 calibré
  • Conversation en directSignal actif
  • Grille calibrée IRTβ = 1,24
  • Mise à jour bayésienneθ = 0,72
  • Jeu de données vérifiéSEM ±0,11
Philosophie

Nous mesurons ce que les gens font, pas ce qu'ils disent qu'ils feraient.

Échantillon comportemental · N = 1
θ posterior 0.7295% CI [0.61, 0.83]
Quatre piliers

Comment le moteur transforme la conversation en preuve.

Pilier 01

Élicitation comportementale

Les scénarios sont construits pour faire émerger des compétences précises sous une pression réaliste. Chaque scénario est co-conçu avec des praticiens expérimentés et cartographié sur un référentiel de compétences défini, pour que chaque temps de la conversation ait une intention de mesure.

Cartographié compétencesPression adaptativeConçu par des praticiens
Pilier 02

Scoring calibré (IRT)

Les scores sont calibrés par la théorie de la réponse à l'item — le même cadre psychométrique que celui du GRE ou du GMAT. Chaque scénario porte un paramètre de difficulté (β) et un paramètre de discrimination (α), pour qu'un 75 sur un scénario difficile ait plus de poids qu'un 75 sur un scénario facile.

β difficultéα discriminationComparable entre scénarios
Pilier 03

Estimation bayésienne d'aptitude

Une conversation est un échantillon, pas un verdict. Leadify utilise une mise à jour bayésienne : chaque session affine une estimation d'aptitude (θ) avec un intervalle de confiance explicite. Nous affichons le score et notre niveau de certitude, qui grandit avec les preuves.

Estimation θIntervalles crédiblesPondéré par la preuve
Pilier 04

Validation continue

Le moteur est backtesté contre des résultats réels : promotions, rétention, évaluations de performance, atteinte des quotas. Les paramètres des scénarios sont recalibrés à mesure que le jeu de données comportementales s'enrichit.

Lié aux résultatsRecalibrage continuSuivi de l'impact adverse
Pipeline de scoring

De la conversation en direct au jeu de données comportementales vérifié.

  1. Étape 01

    Conversation en direct

    Le participant rencontre un interlocuteur IA dans un scénario réaliste et adaptatif.

  2. Étape 02

    Extraction des signaux comportementaux

    Les marqueurs verbaux et paraverbaux sont capturés à partir de la transcription et de l'audio.

  3. Étape 03

    Scoring par grille

    Des grilles multidimensionnelles calibrées évaluent le comportement observable, pas la déclaration.

  4. Étape 04

    Ajustement IRT

    Les paramètres de difficulté et de discrimination pondèrent le score en fonction du scénario.

  5. Étape 05

    Mise à jour bayésienne

    L'estimation d'aptitude (θ) est affinée avec un intervalle de confiance explicite.

  6. Étape 06

    Jeu de données vérifié

    Chaque score renvoie aux preuves conversationnelles concrètes qui l'ont produit.

Données comportementales vérifiées

Ce que « vérifié » veut vraiment dire.

Chaque score est une affirmation que nous pouvons défendre devant un CHRO, un CSE ou un auditeur.

0.00
Validité prédictive (r)
0%
Accord inter-évaluateurs
0%
Auditable jusqu'à la preuve

  • Observé, pas auto-déclaré — chaque point de donnée vient d'un comportement en direct.

  • Standardisé — même scénario, même interlocuteur, même grille pour tous.

  • Calibré — corrigé de la difficulté, pour que les scores soient comparables.

  • Borné — chaque score porte un intervalle de confiance explicite.

  • Auditable — chaque score renvoie à une preuve conversationnelle concrète.

Standards

Construit selon les standards professionnels de l'évaluation.

Conçu selon les Standards for Educational and Psychological Testing (AERA, APA, NCME) et les SIOP Principles for the Validation and Use of Personnel Selection Procedures.

Standards APAPrincipes SIOPRGPDKVKKSOC 2 (en cours)
Sélection de références de recherche
  • Schmidt, F. L., & Hunter, J. E. (1998). The validity and utility of selection methods in personnel psychology. Psychological Bulletin, 124(2), 262–274.
  • Sackett, P. R., Zhang, C., Berry, C. M., & Lievens, F. (2022). Revisiting meta-analytic estimates of validity in personnel selection. Journal of Applied Psychology, 107(11), 2040–2068.
  • Lord, F. M. (1980). Applications of Item Response Theory to Practical Testing Problems. Lawrence Erlbaum Associates.
  • Arthur, W., Day, E. A., McNelly, T. L., & Edens, P. S. (2003). A meta-analysis of the criterion-related validity of assessment center dimensions. Personnel Psychology, 56(1), 125–153.
  • Cohen, J. (1988). Statistical Power Analysis for the Behavioral Sciences (2nd ed.). Lawrence Erlbaum Associates.
  • Phillips, J. J. (2003). Return on Investment in Training and Performance Improvement Programs (2nd ed.). Butterworth-Heinemann.
FAQ

Réponses, sans détour.

Les assessment centers classiques offrent une forte validité prédictive, mais coûtent 3 000–8 000 $ par personne et tournent une fois par an. Leadify fournit la même classe de preuves comportementales par simulation IA, à la demande, pour une fraction du coût, avec calibrage psychométrique intégré.
Non. Leadify produit des preuves comportementales avec des intervalles de confiance. Les humains décident ; Leadify fait en sorte que ces décisions soient mieux informées.
Chaque grille est calibrée contre des experts humains avant déploiement, et la fiabilité inter-évaluateurs est suivie en continu. Les scores portent des intervalles de confiance explicites, plus larges quand les données sont rares et plus étroits à mesure que les sessions s'accumulent. Des évaluateurs humains auditent un échantillon aléatoire de chaque lot de scénarios, et les écarts alimentent le recalibrage de la grille.
Le diagnostic par simulation mesure comment une personne agit dans une reconstitution réaliste d'une situation à forte pression, au lieu de lui demander ce qu'elle affirme faire dans un questionnaire d'auto-évaluation. C'est la forme moderne et scalable de la tradition des assessment centers : du comportement observable, évalué par une grille calibrée.
Chaque scénario et chaque grille sont surveillés pour l'impact adverse entre groupes démographiques. Données de calibrage, accord inter-évaluateurs et distributions de scores sont revus en continu ; tout item montrant un fonctionnement différentiel est recalibré ou retiré. Chaque score est auditable jusqu'à la preuve conversationnelle concrète.
LimitesMoteur d'évaluation · Calibré · v2.13

Ce que le moteur d'évaluation ne fait pas.

Les fournisseurs d'évaluation les plus solides sont ceux qui nomment leurs limites. Voici ce que Leadify refuse d'affirmer.

  • Nous ne prenons pas les décisions de recrutement.

    Ce sont les humains qui décident. Leadify produit des preuves comportementales — la décision de promotion, d'embauche ou de succession revient au décideur responsable.

  • Nous n'évaluons pas la personnalité.

    Nous évaluons le comportement observable sous pression standardisée. Pas de traits inférés, pas de typologies de personnalité, pas d'archétypes en boîte noire.

  • Nous ne prétendons pas à une certitude que nous n'avons pas.

    Chaque score porte son intervalle de confiance. Là où les preuves sont minces, l'intervalle s'élargit — et le rapport le dit, dans le langage numérique que la finance et le conseil lisent déjà.

Dossier Enterprise

Vous voulez la documentation technique complète ?

Notre équipe passe le moteur en revue avec vos équipes I/O psychologie ou achats : données de calibrage, études de validation, monitoring d'équité et pistes d'audit.

Réserver une revue méthodologique