L'IA qui fait la moitié du travail de votre recruteur

La frontière utile ne sépare pas les tâches faciles des tâches difficiles, mais les tâches vérifiables des décisions portant sur des personnes. Publier une annonce, confirmer une candidature, proposer des créneaux ou repérer qu'un profil existe déjà en base sont des actions dont le résultat se contrôle d'un coup d'œil, et l'automatisation y rend du temps sans coût de qualité.

Extraire des données d'un CV, normaliser des intitulés de poste ou résumer les preuves de trois entretiens relèvent d'une autre catégorie : l'intelligence artificielle accélère beaucoup, mais le résultat exige une source visible. Et écarter une personne, ordonner la shortlist finale ou communiquer un refus ne devrait jamais être automatisé.

Un système qui apprend de l'historique reproduit les schémas de cet historique, y compris ceux que le cabinet ne voudrait pas répéter. La vérification ne peut donc pas être un contrôle unique au moment du déploiement : elle doit être une routine inscrite dans l'agenda de quelqu'un.

Le minimum raisonnable consiste à comparer chaque trimestre les taux de progression et d'exclusion entre groupes, à revoir quels champs influencent réellement les recommandations et à analyser quand les recruteurs corrigent le système et pourquoi. Un écart ne démontre pas à lui seul une discrimination, mais il oblige à enquêter avant d'élargir l'usage.

Un taux d'acceptation de cent pour cent des suggestions est un signal d'alarme, pas de réussite : cela signifie que personne ne relit. Les indicateurs utiles sont ailleurs et s'obtiennent tous depuis le système lui-même.

Les quatre qui reflètent le mieux une amélioration réelle sont le délai jusqu'à une shortlist défendable, le nombre de profils examinés par rapport à ceux qui convenaient réellement, la part des corrections qui aboutissent à réparer une donnée à la source et le maintien à six mois des personnes recrutées. Ce dernier est le moins regardé et celui qui en dit le plus sur la qualité du processus.