Les outils d’IA de présélection de CV se sont imposés dans les grandes entreprises en moins de cinq ans. Pourtant, les données sur leurs effets réels restent rares, dispersées, et souvent produites par les vendeurs eux-mêmes.
Ce que disent les études indépendantes
Une analyse publiée en 2024 par l’université de Genève sur 12 entreprises suisses utilisant des ATS avec scoring automatique révèle un résultat net : les candidats issus de grandes écoles françaises sont systématiquement surclassés par rapport à des profils équivalents formés dans des institutions moins connues.
La raison est mécanique : les modèles ont été entraînés sur les recrutements passés des mêmes entreprises, qui recrutaient déjà majoritairement dans ces écoles.
Ce que font les entreprises qui s’en aperçoivent
Trois approches documentées :
- Audit d’impact : vérifier statistiquement si l’outil produit des taux d’exclusion différents selon le genre, l’origine géographique ou le type de formation
- Score hybride : utiliser l’IA pour un pré-tri, mais conserver un quota de dossiers “hors-score” examinés manuellement
- Rotation des évaluateurs : ne pas laisser le même responsable valider systématiquement les recommandations de l’algorithme
Aucune de ces approches n’est parfaite. Toutes impliquent un coût opérationnel que les outils promettaient d’éliminer.