Aujourd’hui, le marché du travail souffre d’un grand déséquilibre d’information.
Les candidats acceptent souvent des postes sans vraiment savoir à quoi s’attendre, ni comment fonctionne l’équipe ou quel type de manager les attend.
De leur côté, les recruteurs peinent à évaluer précisément les compétences réelles des postulants.
Résultat : de nombreux recrutements ratés, avec des profils mal adaptés aux besoins.
Cette inadéquation freine la productivité, allonge les périodes de chômage et creuse les inégalités salariales.
Les entreprises ont donc tout intérêt à améliorer ce processus.
C’est pourquoi les technologies d’aide au recrutement sont devenues une priorité.
L’IA pour mieux cibler les bons profils
Chaque année, les dirigeants placent le recrutement parmi leurs grandes priorités. Un mauvais choix coûte cher : perte de temps, démotivation, impact sur la culture d’entreprise. D’où l’intérêt croissant pour les technologies d’aide au recrutement.
L’idée est de gagner du temps, attirer les bons profils et limiter les erreurs. Des plateformes comme LinkedIn utilisent déjà des algorithmes pour recommander des candidats. Certaines grandes entreprises développent même leurs propres outils en interne.
Mais attention aux dérives. Amazon, par exemple, a dû abandonner en 2015 un système de tri automatique qui favorisait les hommes, car il se basait sur des données issues d’anciens recrutements, majoritairement masculins. Une leçon à ne pas oublier : les algorithmes peuvent reproduire les biais du passé.
Au-delà du CV : des données parfois surprenantes
Les systèmes d’IA s’appuient souvent sur les CV, lettres de motivation ou données issues de plateformes d’emploi. Mais ces éléments ne disent pas tout. Les recruteurs complètent souvent avec des entretiens ou des tests. Les algorithmes, eux, cherchent à aller plus loin : intégrer plus de données pour mieux comprendre les candidats.
Et parfois, ce sont des éléments inattendus qui se révèlent utiles. Par exemple, dans le système judiciaire américain, l’algorithme COMPAS prend en compte des questions comme « Vivez-vous avec des amis ? » ou « Vous ennuyez-vous souvent ? ». Des réponses qui influencent ses calculs, même si le lien direct n’est pas évident.
Dans le monde du travail, le lieu de résidence ou la durée du trajet peuvent, par exemple, indiquer un risque plus élevé de départ prématuré. Et les entreprises s’intéressent aussi à la fameuse “compatibilité culturelle” : est-ce que le candidat va bien s’intégrer dans l’équipe, dans l’environnement ? Ce n’est pas toujours mesurable sur un CV. D’où l’idée d’élargir les sources d’information.
Recruter comme on cible une pub
Dans la publicité, les données numériques servent déjà à dresser des profils très détaillés : âge, goûts, habitudes, préférences technologiques… Pourquoi ne pas s’en inspirer pour le recrutement ?
Par exemple, si une entreprise remarque que ses meilleurs profils utilisent Android plutôt qu’iOS, cette donnée peut alimenter un algorithme. Isolée, elle ne veut rien dire. Mais combinée avec d’autres — vos centres d’intérêt, les apps que vous utilisez, les contenus que vous consultez — elle peut aider à dégager un profil type.
Un candidat qui suit des coachs inspirants, participe à des forums professionnels ou suit ses progrès sportifs pourrait, par exemple, être perçu comme autonome, organisé ou persévérant.
Des compétences détectables en ligne
Ces empreintes numériques ne servent pas qu’à évaluer la personnalité. Elles peuvent aussi révéler certaines compétences. Un développeur actif sur GitHub ou sur des forums techniques peut montrer plus de maîtrise qu’un autre au CV bien rempli, mais peu impliqué en ligne. De même, un goût pour les casse-têtes ou les jeux logiques peut indiquer une bonne capacité de résolution de problèmes.
Ce que les entreprises cherchent aujourd’hui, ce sont des profils complets. Des personnes qui ne cochent pas seulement les bonnes cases, mais qui pourront évoluer, s’intégrer, rester motivées. Les algorithmes analysent des milliers de parcours pour repérer les profils qui réussissent, et ceux qui peinent.
Ils peuvent aussi détecter des signaux faibles : intégrations ratées, départs rapides, mauvais retours. Cela permet de mieux comprendre ce qui fonctionne — ou pas — pour chaque type de poste.
Les risques : biais, surveillance et vie privée
Mais cette approche soulève de vraies questions. D’abord sur les biais : si les données utilisées reflètent des inégalités passées, l’IA risque de les renforcer. Ensuite, sur l’accès : ceux qui sont peu présents en ligne, ou peu visibles, peuvent se retrouver écartés sans même le savoir.
Des règles commencent à voir le jour. En Europe, le futur AI Act impose plus de transparence sur ces outils. Aux États-Unis, des recommandations ont été publiées, et certains États, comme la Virginie, vont plus loin avec des lois spécifiques pour encadrer l’usage de l’IA dans le recrutement.
Un futur à surveiller de près
Tout va dépendre de la manière dont ces technologies seront utilisées. Demain, certains outils pourraient même analyser des données très sensibles : santé, dépenses, rythme de vie. Des infos déjà utilisées dans la pub ou par les assureurs… mais qui poseraient de sérieux problèmes si elles entraient dans les processus de recrutement.
Certains algorithmes pourraient même estimer le salaire qu’un candidat serait prêt à accepter, en se basant sur son comportement ou sa situation économique. Une dérive potentielle qui inquiète, à juste titre.
Pour éviter les abus, il faudra des garde-fous solides. Les entreprises et les régulateurs devront avancer ensemble. Car la vraie question est là : est-ce que l’intelligence artificielle va permettre des recrutements plus justes ? Ou va-t-elle simplement déplacer les biais… vers le monde numérique
