Seules 10 % des entreprises interrogées dans une recherche d’un éditeur de logiciels de recrutement disent bénéficier régulièrement de transparence et d’explicabilité pour l’IA, alors que 82 % les considèrent importantes. Le directeur de l’IA de cette entreprise, qui n’est pas nommée, défend une automatisation étendue des tâches préparatoires, mais le maintien d’une intervention humaine pour décider du sort des candidatures.
Les employeurs doivent pouvoir expliquer leurs choix
À New York, des règles encadrent déjà les outils automatisés intervenant dans les décisions d’emploi. L’Illinois a étendu les protections relatives à l’usage de l’IA dans l’emploi. Dans l’Union européenne, de nombreux systèmes concernant l’emploi relèvent de la catégorie à haut risque du règlement sur l’IA. D’autres juridictions élaborent leurs propres dispositifs, sur un terrain également couvert par le droit du travail.
Les prescriptions précises sont appelées à évoluer, estime le responsable de l’éditeur. Celui-ci demande aux organisations de comprendre le fonctionnement de leurs outils, les raisons des résultats obtenus, l’usage qui en est fait et l’identité des personnes responsables des décisions. Une explication ne garantit cependant pas qu’un résultat soit exact ou équitable. Elle peut rendre possibles son examen, sa contestation et une supervision effective.
Les besoins diffèrent selon la place occupée dans le recrutement : comprendre la priorité attribuée à un dossier pour le recruteur, pouvoir justifier une présélection pour son responsable, obtenir une explication substantielle pour le candidat. Un score opaque ne répond pas au premier de ces besoins. Pour le dirigeant, cette capacité d’explication doit donc aussi constituer une exigence du produit.
50 % des entreprises citent l’efficacité comme première raison d’adopter l’IA
D’après une recherche menée avec Aptitude Research, 50 % des entreprises citent l’efficacité comme première raison d’adopter l’IA. Les équipes mesurent notamment les délais de recrutement, le volume de travail absorbable et le coût de chaque embauche. Le responsable met toutefois en garde contre une gestion dominée par ces seuls indicateurs.
La confiance des candidats, moins facile à quantifier, peut aussi avoir un effet commercial. Il rapporte que des recherches mobilisées par son entreprise suggèrent un malaise chez une proportion significative des candidats lorsque l’IA décide d’une embauche. Cela ne démontre ni qu’ils renoncent à candidater, ni que les personnes restantes sont moins qualifiées. Le risque évoqué reste conditionnel : si des candidats solides se retirent faute de confiance, un processus apparemment plus efficace pourrait appauvrir le vivier.
Du côté des recruteurs, la recherche de l’entreprise indique que leur jugement prévaut dans 58 % des cas de désaccord avec l’IA. Le directeur ne traite pas ces arbitrages comme la preuve automatique d’une défaillance technique. Il invoque la formule de George Box, « tous les modèles sont faux, mais certains sont utiles » : l’utilité d’un modèle peut tenir à l’amélioration du jugement humain, sans substitution à celui-ci.
Classer ou filtrer les candidatures
Le directeur de l’IA, qui dit avoir consacré sa carrière au développement responsable de l’IA et de l’apprentissage automatique, ne plaide pas pour une réduction générale de l’automatisation. Les clients interrogés par son entreprise placent même l’efficacité des recruteurs grâce à l’IA au premier rang de leurs priorités. Face aux contraintes de temps et de volume, il préconise davantage d’automatisation en amont, mais refuse de confondre le nombre de tâches confiées à un outil et l’autorité qui lui est accordée. Sa réserve porte sur des décisions aux effets importants, prises à partir d’informations lacunaires et de modèles imparfaits.
L’IA qui transforme le business ?
Stratégies, mouvements et levées IA décryptés, chaque soir en 5 min. Gratuit.
Inclus dès l'inscription : notre sélection des meilleurs guides & comparatifs IA.
Choisissez votre rythme
Gratuit · Pas de spam · Désabonnement en 1 clic
Le filtrage et le classement utilisent tous deux les caractéristiques des postes et des personnes, sans conférer le même pouvoir au système. Le premier applique un seuil fixé à l’avance : certains candidats poursuivent le processus, les autres sont écartés. Il suppose des données assez complètes, des critères appropriés et un modèle suffisamment fiable près du seuil, conditions que le responsable juge difficiles à réunir pour des décisions concernant des personnes. Le second oriente d’abord l’attention du recruteur vers certains dossiers.
Classer n’empêche pourtant pas une exclusion pratique : dans l’exemple avancé, une personne au rang 8 000ème a peu de chances d’être examinée si seuls 100 dossiers sont consultés. La différence tient à la possibilité de faire évoluer la limite au fil de la découverte des candidatures et du poste. L’entreprise résume parfois cette répartition par « l’IA propose, l’humain décide ». Le responsable demande une participation humaine pour toute décision importante, notamment celle qui détermine si une candidature continue.
Les limites des dossiers et les tâches confiées à l’IA
La plupart des systèmes de recrutement fondés sur l’IA prennent appui sur une description de poste et un CV, deux représentations partielles. La première peut reprendre un ancien document ou un rôle antérieur, avant même que l’équipe ait identifié les qualités distinguant un excellent candidat. Certaines attentes ne se précisent qu’au cours des entretiens. Le CV, lui, condense des années d’activité, reflète aussi l’aptitude à raconter son parcours et comporte de plus en plus de passages rédigés ou remaniés par une IA générative.
Ces limites n’annulent pas l’intérêt des documents ; les entretiens apportent des informations complémentaires. Un modèle peut comparer les éléments reçus et y détecter des régularités, mais non retrouver une information qui n’y figurait pas. Les déductions qu’il produit comportent leur propre incertitude.
L’assistance possible reste étendue : rechercher des candidats et des informations, repérer une expérience pertinente, comparer les dossiers à des critères, les ordonner, en produire une synthèse ou présenter des éléments à l’appui d’une recommandation. L’IA peut aussi préparer les échanges, assister la planification et la communication, répondre aux questions ou alléger l’administration. Ces usages peuvent réduire le travail préparatoire et, selon le directeur, améliorer la qualité comme la cohérence des décisions humaines. Il anticipe une progression de la part automatisable du recrutement avec les avancées techniques.
Des biais peuvent se loger dans l’historique des données
Retirer un humain d’un arbitrage ne rend pas automatiquement l’ensemble neutre. Des biais peuvent se loger dans l’historique des données, leur étiquetage, l’échantillonnage ou des variables servant indirectement à représenter d’autres caractéristiques. Ils peuvent aussi venir des objectifs assignés au modèle, des critères d’évaluation, des choix de produit ou de l’utilisation humaine des résultats.
Le responsable récuse donc l’idée d’une correction définitive pendant le développement. Une ingénierie rigoureuse, des données améliorées, des évaluations attentives et un suivi continu peuvent réduire le risque ; les choix de conception peuvent également borner le pouvoir du modèle. Un système défectueux risque, à l’inverse, de répéter une même erreur avec régularité et à grande échelle. Il préconise d’inscrire dès la conception le contrôle des biais, la supervision humaine et les exigences de responsabilité.






