Tri de CV par IA pour les RH : trier beaucoup de candidatures sans perdre le jugement humain

L'IA peut aider les équipes RH à comparer de nombreux CV à un même poste et à les classer pour examen. Elle ne doit pas prendre seule la décision d'embauche. Bien utilisée, elle fait gagner du temps au premier tri et applique les mêmes critères écrits à tous. Mal utilisée, elle peut reproduire des biais, récompenser les formules soignées et écarter de bons profils au parcours atypique. L'approche la plus sûre est simple : définir d'abord les critères, laisser l'outil produire une présélection, faire vérifier les résultats par une personne et respecter les règles locales. Ce guide montre comment procéder, avec un exemple et une liste de contrôle.

Où l'IA aide dans le tri des CV

• Comparer chaque CV à la même description de poste.
• Classer une longue liste pour commencer par les correspondances apparemment les plus fortes.
• Résumer les forces et les lacunes de chaque candidat.
• Indiquer les compétences ou qualifications demandées qui semblent manquer.
• Donner aux évaluateurs un point de départ commun, ce qui facilite les échanges.

L'intérêt ne tient pas qu'à la vitesse. Un évaluateur fatigué peut traiter différemment le premier et le dernier dossier. Un processus écrit aide, car chaque CV commence par les mêmes questions.

Ce que l'IA ne peut pas faire à votre place

Un score est une estimation fondée sur le texte du fichier. Il ne confirme pas qu'une affirmation est vraie et ne mesure pas de façon fiable la motivation ou l'adéquation à l'équipe. Il dépend aussi de la lecture du fichier : une mise en page inhabituelle peut cacher du contenu, comme l'explique notre guide du CV à deux colonnes.

Ne supposez pas que l'IA est équitable d'office. Les modèles peuvent refléter des schémas du langage et des données d'entraînement, et une description de poste peut elle-même contenir des biais. Les personnes en reconversion, celles qui reprennent le travail ou qui écrivent dans une seconde langue peuvent paraître plus faibles sur le papier. Appliquer les mêmes critères réduit certaines incohérences, mais ne supprime pas les biais. Il faut encore vérifier les résultats.

Une méthode sûre en sept étapes

1. Écrivez les critères avant d'ouvrir un CV, en séparant l'indispensable du souhaitable.
2. Retirez les exigences injustifiables, comme un diplôme dont le travail n'a pas besoin.
3. Informez les candidats de l'usage de l'IA lorsque la loi ou votre politique l'exige.
4. Analysez le lot face à une description de poste claire, pas face à un intitulé vague.
5. Faites lire par une personne le groupe de tête et un échantillon du milieu et du bas de la liste. Cela révèle les erreurs de lecture et les profils oubliés.
6. Notez pourquoi chaque personne avance ou non, avec des raisons liées au poste.
7. Contrôlez régulièrement les résultats et vérifiez si un groupe est écarté anormalement souvent.

Exemple de note d'examen utile

Voici un exemple fictif pour un poste en paie. Les chiffres et les noms sont de simples illustrations.

Faible : Candidat B, score 62. Rejeté par le système.

Utile : Candidat B, score 62. 4 ans de paie et expérience de SAP. Lacune signalée : aucun certificat mentionné. Note de l'évaluateur : le certificat est seulement souhaité, donc entretien téléphonique.

La seconde note laisse une personne aux commandes et donne une raison liée au poste. Elle montre aussi pourquoi un score ne doit jamais être la seule trace.

Vérifications légales et confidentialité

Les règles varient selon les pays et évoluent, alors validez-les avec votre service juridique. Trois exemples montrent la tendance :

• Le règlement européen sur l'IA classe à haut risque l'IA utilisée pour le recrutement et l'évaluation des candidats, avec des obligations comme le contrôle humain et la transparence. Vérifiez les dates applicables, car le calendrier peut changer.
• La Local Law 144 de New York impose un audit de biais et une information des candidats pour certains outils automatisés de décision d'emploi.
• Les lois sur les données, comme le RGPD, s'appliquent aux CV. Son article 22 limite certaines décisions entièrement automatisées ayant des effets importants sur les personnes.

Avant d'importer des CV, vérifiez où vont les données, combien de temps elles sont conservées et qui peut y accéder. Le droit de la non-discrimination s'applique quel que soit l'outil.

Comment choisir un outil de tri

• Il explique ses résultats au lieu d'afficher un simple chiffre. Voir comment fonctionne l'analyse de CV par IA.
• Il ignore des facteurs comme l'âge et la photo dans le score, comme CV Analyz.
• Il permet de tester de vrais fichiers dans vos langues.
• Il indique clairement comment les données sont traitées et supprimées.
• Il laisse la décision finale à votre équipe.

Les erreurs fréquentes

• Fixer un seuil automatique sans jamais regarder qui se trouve en dessous.
• Utiliser une description générique pour des postes différents.
• Traiter le score d'un outil comme un score de CV universel.
• Surestimer les mots exacts. Comparez le contenu du CV au besoin réel, pas seulement aux mots-clés ATS.
• Ne pas informer les candidats alors que vous y êtes tenu.

L'analyse de groupe dans CV Analyz

CV Analyz peut analyser jusqu'à 100 CV dans un lot face à une seule description de poste. Vous recevez un rapport de groupe classé et un rapport détaillé par candidat. Votre équipe dispose ainsi d'un point de départ : les entretiens, le jugement et la décision finale restent humains.

Conclusion

Utilisez l'IA pour organiser la longue liste, pas pour décider qui mérite un poste. Des critères clairs, un examen humain et des contrôles réguliers comptent plus qu'un score isolé. Pour comprendre l'environnement de ces outils, lisez comment fonctionne un ATS.

Sources : EU AI Act, GDPR, NYC Local Law 144.