L’IA dans le recrutement : où elle aide, où elle est biaisée, et les règles à poser

Un recruteur reçoit une liste de candidats classés. Le classement paraît précis, alors il devient la présélection. Personne ne sait quelles décisions anciennes ont façonné le score, quel style d’écriture l’outil favorise ni ce qu’il advient d’une personne qui a besoin d’un aménagement. C’est ainsi qu’un outil censé faire gagner du temps devient une politique d’emploi non déclarée.

L’IA est désormais facile à ajouter à un parcours de recrutement. Elle peut rédiger une offre, extraire des expériences d’un CV, planifier des entretiens, répondre aux questions courantes et résumer des notes. Ces capacités sont utiles. L’erreur consiste à laisser l’outil décider discrètement qui mérite l’attention, puis à qualifier le résultat d’objectif parce qu’il vient d’un logiciel.

Ce guide s’adresse aux directions RH, aux fondateurs et aux responsables d’équipe. Il propose une méthode de gouvernance, pas un avis juridique. Les sources européennes, britanniques et américaines citées sont des repères ; il faut vérifier les règles d’emploi, de protection des données, d’égalité et d’accessibilité applicables dans le pays concerné, avec un conseil local lorsque l’enjeu est élevé.

Commencez par une distinction : assister ou décider ?

« L’IA dans les RH » est une catégorie trop large pour être gouvernée. Décrivez la tâche exacte et sa conséquence.

L’AI Act européen offre un repère utile, même pour une organisation située hors de l’Union européenne : son annexe III identifie, dans son cadre, les systèmes de recrutement et de sélection, la publicité ciblée pour les emplois, le filtrage des candidatures et l’évaluation des candidats comme des usages à haut risque. Cela ne transforme pas le règlement en droit local. Cela montre toutefois pourquoi « ce n’est qu’un classement » ne suffit pas comme analyse de risque.

Les domaines où l’IA aide réellement

Les meilleurs premiers usages réduisent les tâches répétitives tout en gardant visible le sens de la décision.

Rédaction et administration

Demandez à un outil approuvé de transformer une fiche de poste validée en première version d’offre, de la reformuler en langage clair, d’en retirer le jargon inutile ou de préparer une grille pour les intervieweurs. Une personne doit vérifier que l’offre décrit le vrai travail et n’introduit pas de critères inutiles ou de formulations qui écartent des candidats qualifiés.

Planification et questions des candidats

La planification, les rappels, les informations de lieu et les réponses aux questions de procédure sont généralement plus faciles à encadrer que la notation d’un candidat. Donnez à l’assistant une base documentaire étroite, une voie vers une personne et l’interdiction d’inventer un statut, de promettre une issue ou de demander des informations non nécessaires.

Résumés structurés

L’IA peut transformer des notes d’entretien structurées en résumé homogène. Elle ne doit pas combler les vides par des suppositions, déduire la personnalité d’un visage ou d’une voix, ni transformer une impression vague comme « pas le bon profil » en paragraphe bien écrit. L’intervieweur reste responsable des éléments de preuve et doit pouvoir corriger le résumé.

Où les biais entrent dans le parcours

Un biais n’est pas seulement une règle volontairement discriminatoire. Il peut venir des données, des variables de remplacement, de la langue, de la conception, d’un contexte absent ou de la manière dont les personnes réagissent à un score.

Les décisions anciennes deviennent une cible cachée

Si un outil apprend des décisions d’embauche précédentes, il peut apprendre les préférences historiques de l’organisation au lieu d’apprendre les capacités réellement nécessaires. Un recrutement effectué depuis longtemps dans un réseau étroit peut faire de ce réseau une définition du mérite. Une habitude de rejeter les interruptions de carrière peut faire d’une période sans emploi un défaut, même lorsqu’elle ne dit rien de la performance attendue.

Les variables de remplacement semblent neutres

Nom, établissement, lieu de résidence, interruptions de carrière, habitudes linguistiques, appareil utilisé ou comportement en ligne peuvent servir de substituts à des caractéristiques sensibles. Retirer un champ ne supprime pas ses équivalents. Le modèle peut aussi récompenser le format et le vocabulaire de candidats ayant davantage accès au coaching, à des modèles de CV soignés ou à la langue professionnelle dominante.

Les scores de personnalité et d’émotion sont particulièrement fragiles

Les affirmations selon lesquelles une caméra, un enregistrement vocal ou une expression faciale révélerait l’honnêteté, le leadership ou « l’adéquation culturelle » doivent provoquer un arrêt et une revue. Le signal peut être faible, culturellement étroit ou inaccessible à une personne handicapée. Il peut aussi pousser les intervieweurs à croire un score de confiance plutôt qu’à poser des questions liées au poste.

La mise en garde de l’EEOC et du Department of Justice américains rappelle que des outils IA peuvent écarter des candidats handicapés capables d’exercer le poste avec un aménagement raisonnable. La leçon pratique dépasse le droit américain : l’accessibilité ne peut pas être ajoutée après coup. Demandez comment un candidat sollicite un aménagement, comment l’outil évite de le pénaliser et qui peut corriger un mauvais résultat.

L’humain doit garder la main à cinq moments

« Un humain dans la boucle » ne veut rien dire si personne ne peut décrire son rôle. Nommez les moments où une personne doit relire, questionner et assumer le résultat :

1. Avant la publication de l’offre : vérifier que les critères décrivent le travail et non le profil accidentel des recrutements passés.
2. Avant l’élimination d’un candidat : confronter la raison aux critères annoncés et rechercher le contexte ou un aménagement manquant.
3. Avant la validation de la présélection : examiner un échantillon représentatif, y compris des personnes classées plus bas.
4. Avant l’offre ou le rejet : décider à partir d’éléments liés au poste, pas d’un score inexpliqué.
5. Lorsqu’un candidat conteste le processus : offrir une véritable relecture humaine et noter ce qui a été réexaminé.

Le travail Recruitment Rewired de l’ICO insiste sur la constance de l’intervention humaine pour les candidats placés au même stade. Une relecture limitée aux cas incertains, ou uniquement aux profils qui paraissent prometteurs, n’est pas un contrôle fiable.

Ce qu’une charte d’usage équitable doit exiger

Les points suivants peuvent former le cœur d’une charte de deux pages. Renforcez les contrôles lorsque l’outil influence la sélection, la rémunération, la promotion ou la rupture du contrat.

Le NIST AI Risk Management Framework fournit un vocabulaire utile : validité, fiabilité, sécurité, transparence, explicabilité, protection de la vie privée et équité. Il est volontaire et ne remplace pas le droit local, mais il aide une équipe RH à poser de meilleures questions à un fournisseur et à son propre processus.

Les questions à poser au fournisseur

• Que fait précisément le système et quelles décisions d’emploi peut-il influencer ?
• Quelles données l’ont entraîné ou configuré ? Les données des candidats servent-elles à l’entraînement général du modèle ?
• Quelles langues, formats de CV, technologies d’assistance et voies d’accessibilité ont été testés ?
• Peut-on voir les facteurs ou éléments qui justifient une recommandation sans exposer les données d’un autre candidat ?
• Que se passe-t-il lors d’une mise à jour du modèle ? Recevra-t-on un avis et un nouveau dossier d’évaluation ?
• Où sont conservés les données, journaux et sauvegardes, qui y accède et quand sont-ils supprimés ?
• Le système permet-il d’exporter une trace complète et d’appliquer une correction humaine ?

Si le fournisseur ne sait pas répondre, ne remplacez pas les preuves par la confiance. Limitez l’usage à une tâche administrative moins risquée ou suspendez l’achat.

Un plan raisonnable sur 30 jours

1. Semaine 1 : inventorier chaque fonction IA déjà utilisée dans le recrutement, y compris les outils de navigateur et les usages informels. La classer en assistance, organisation, recommandation ou décision.
2. Semaine 2 : suspendre les usages à fort impact qui ne sont pas approuvés. Rédiger les règles, nommer les responsables, définir l’information des candidats et le parcours d’aménagement.
3. Semaine 3 : tester un flux limité sur des cas représentatifs. Examiner les erreurs, la langue, l’accessibilité, les écarts et la qualité des corrections humaines.
4. Semaine 4 : publier la charte, former les recruteurs, créer un registre des incidents et des contestations, puis fixer la date de revue.

Une petite organisation n’a pas besoin d’un comité complexe pour agir équitablement. Elle a besoin d’une règle visible, d’un responsable humain, d’une voie pour les questions des candidats et de suffisamment d’éléments pour repérer un traitement différent. L’efficacité est utile. Automatiser discrètement un ancien biais ne l’est pas.

Pour le cadre opérationnel, associez ce guide au modèle de charte IA en deux pages et au guide sur la gouvernance responsable de l’IA. Pour revoir un cas d’usage avant qu’il n’atteigne les candidats, contactez Peter.