« Data is the new oil », autrement dit, les données seraient la source essentielle de la quatrième révolution industrielle en cours, ce qui a conduit certains observateurs à assimiler trop rapidement la quantité des données à une richesse en soi, et considérer l’avènement des big data comme une source quasi directe de profit. La GRH n’échappe pas à cette tendance, et l’accumulation de masses de données importantes sur les salariés apparaît dans le discours de certains entrepreneurs comme une condition nécessaire et suffisante pour la construction de modèles prédictifs de comportements complexes au travail comme l’absentéisme ou la performance en poste. En réalité, l’analogie est un peu trompeuse : contrairement au pétrole, il n’y a pas ici d’enjeux majeurs concernant la production des données (dont les flux sont générés en continu et à faible coût par divers systèmes d’information), mais plutôt leur « raffinage » c’est-à-dire les opérations nécessaires à la transformation de ces données en produit utile, autrement dit en connaissance, si possible actionnable. C’est dans cette transformation que résident les enjeux méthodologiques de la valorisation des données à la fois pour les praticiens et pour les chercheurs académiques. Les réflexions sur les méthodes applicables pour tirer parti des possibilités offertes par ces données massives sont relativement récentes, et mettent souvent en avant l’aspect disruptif du déluge de données actuel pour souligner le fait que cette évolution serait à la source d’un renouveau de l’empirisme dans un « quatrième paradigme » fondé sur l’exploitation intensive et « agnostique » de masses de données en vue de faire émerger des connaissances nouvelles, selon une logique purement inductive. Sans adopter ce point de vue spéculatif, force est de constater que les approches inductives basées sur les données (data driven) demeurent rares dans les études quantitatives en GRH. Il existe pourtant des méthodes bien établies, notamment dans le domaine de la fouille de données (data mining), qui reposent sur des approches inductives. Ce domaine de l’analyse quantitative à visée inductive demeure encore assez peu exploré en GRH (à l’exception des analyses typologiques). L’objectif de cette communication est tout d’abord de dresser un panorama des méthodes mobilisables pour des recherches en GRH, avant de proposer une illustration empirique qui consiste en une recherche exploratoire combinant une analyse en profils latents et une exploration par modèles graphiques gaussiens.