La plupart des outils d'embauche IA ne font pas ce que vous pensez

La fonction centrale de la plupart des systèmes de suivi des candidatures reste le matching : scanner les CV à la recherche de mots-clés, de postes, de diplômes et d'années d'expérience, puis classer les candidats selon leur proximité avec la description du poste.

Cela est utile pour gérer le volume, mais ce n'est pas de l'intelligence. C'est de la reconnaissance de motifs appliquée au texte, et la qualité du résultat est limitée par la qualité des critères déjà intégrés au système.

Le marché a estompé cette distinction parce que le label IA se vend bien. Mais automatiser l'analyse et le classement des CV ne signifie pas qu'un outil comprend ce qui prédit réellement la réussite dans un poste.

Harvard Business School et Accenture ont constaté que 88% des employeurs sondés reconnaissaient que leurs propres systèmes écartent des candidats qualifiés parce que ces personnes ne correspondent pas aux paramètres configurés exactement. Le système fonctionne comme prévu. Le problème vient de la conception.

L'étiquette s'est propagée parce qu'elle fonctionnait commercialement, pas parce qu'elle décrivait de manière fiable une percée technique dans la qualité du recrutement.

Ajouter des composants d'apprentissage automatique à un système axé sur les mots-clés permet aux fournisseurs de présenter le produit comme alimenté par l'IA, même si la logique d'évaluation sous-jacente reste fondamentalement inchangée.

Cela crée un marché où presque toutes les plateformes prétendent faire ressortir les meilleurs candidats, tandis que très peu peuvent expliquer quels signaux elles mesurent réellement ou pourquoi ces signaux prédisent la performance dans votre environnement.

Ceci est particulièrement risqué en entreprise. Un modèle généraliste entraîné sur des données larges ne sait pas automatiquement ce qui fait réussir quelqu'un dans vos postes, au sein de vos équipes ou dans votre zone géographique.

La bonne question d'achat n'est plus « est‑ce que ceci utilise l'IA ? » Presque tous les fournisseurs peuvent dire oui d'une manière ou d'une autre. La meilleure question est de savoir ce que le système évalue réellement et comment cela se relie aux résultats de performance pour des postes comme les vôtres.

Un outil qui classe les candidats selon la densité de mots-clés mesure quelque chose. Un outil qui évalue des signaux de capacité à partir du travail réel, du contexte et d'antécédents de performance comparables mesure quelque chose de fondamentalement différent.

Cette distinction influe sur qui atteint l'étape de l'entretien, qui reçoit une offre et qui performe finalement une fois intégré. Si le signal ne prédit pas la performance, vous n'avez pas amélioré le recrutement. Vous avez seulement rendu vos erreurs plus rapides et plus reproductibles à grande échelle.

L'article suivant de cette série passe de la critique aux détails concrets : à quoi ressemble une véritable évaluation des capacités lorsque la démo est terminée et que le système réel doit se justifier.