Recruter avec l'IA : attirer les bons profils, éviter les biais

Tu as fait le Niveau 1 : tu sais qu'un LLM prédit le mot suivant, qu'il peut inventer avec aplomb, et comment écrire un prompt structuré. La vraie question pour ton métier RH : sur quelles tâches de recrutement l'IA te fait genuinement gagner du temps, et sur lesquelles elle risque de compliquer la situation, voire de te mettre en porte-à-faux légalement ?

Le recrutement est l'une des fonctions RH où l'IA s'est installée le plus vite, et où les dégâts peuvent être les plus discrets. En 2018, Amazon a dû arrêter un outil interne de présélection de CV parce qu'il pénalisait les candidatures féminines : le modèle avait appris sur dix ans d'ingénieurs recrutés, majoritairement des hommes. Personne n'avait programmé ce biais. Il avait émergé des données. C'est la question centrale de cette leçon : l'IA amplifie ce qu'on lui donne en entrée, y compris les biais qu'on n'a pas vus.

Ce que l'IA fait bien dans le recrutement

Première tâche : la rédaction d'offres et de fiches de poste. Donne-lui un brief : le poste, les missions principales, les compétences recherchées, le ton de ta culture d'entreprise. Elle te sort une première version en deux minutes. Tu ajustes, tu retires le jargon corporatif, tu vérifies que les critères ne sont pas discriminants par inadvertance. Tu passes de deux heures à vingt minutes.

Deuxième tâche : la structuration d'entretiens. Un guide de questions comportementales construites à partir de la fiche de poste, calibrées par niveau de séniorité, avec les critères d'évaluation par réponse. Ce travail de préparation que tu renvoyais à plus tard faute de temps, l'IA le fait en dix minutes. Et un entretien structuré, où chaque candidat répond aux mêmes questions évaluées sur les mêmes critères, est l'un des outils les plus efficaces pour réduire les biais d'affinité.

Troisième tâche : la synthèse de candidatures. Lire trente CV et extraire les points de comparaison sur les mêmes critères. L'IA le fait vite et de façon reproductible, tant que tu lui fournis les critères. Ce n'est pas elle qui décide qui passe : elle t'aide à lire sans te noyer.

Où l'IA peut te créer des problèmes

Un modèle amplifie ce qu'on lui donne en entrée. Si ton offre d'emploi contient des formulations genrées (« esprit d'équipe » attire davantage les candidatures féminines selon Textio, « leadership affirmé » les candidatures masculines), l'IA qui la rédige va reproduire ces tendances. Si tes critères de filtre incluent une école ou une localisation, le modèle les appliquera sans questionner les effets discriminatoires potentiels. Le droit français interdit la discrimination à l'embauche sur 25 critères : l'IA ne les connaît pas par défaut, et ce n'est pas elle qui sera mise en cause.

La décision de sélectionner ou d'éliminer un candidat reste humaine, obligatoirement. En France, l'article L1221-8 du Code du travail encadre les méthodes de recrutement : elles doivent être pertinentes, objectives et non discriminatoires. Utiliser une IA comme filtre automatique sans supervision expose à des risques réels. L'IA t'aide à lire, à préparer, à rédiger. Elle ne remplace pas ton jugement sur une personne.

Poser les garde-fous avant de lancer

Avant de brancher l'IA sur une tâche de recrutement, trois questions de trente secondes. Tes critères de sélection contiennent-ils des variables qui pourraient être des proxies de discrimination sans que tu l'aies voulu ? La décision finale reste-t-elle entre des mains humaines, avec la possibilité de la justifier ? Et ce que l'IA produit sera-t-il relu par quelqu'un qui connaît le cadre légal ?

Ces questions ne freinent pas l'usage de l'IA, elles le sécurisent. Les ateliers de ce module te font appliquer cette logique sur trois tâches concrètes : rédiger une fiche de poste et une annonce, présélectionner des CV sans biais, construire un guide d'entretien structuré. Tu repartiras avec des livrables utilisables dès cette semaine.