Introduction

Le domaine des RH n’ échappe pas à la vague de l’IA, et nombreux sont les professionnels du secteur RH qui s’interrogent aujourd’hui sur les impacts de l’intelligence artificielle dans le recrutement. Le lancement de ChatGPT en novembre 2022 dans une version gratuite a très nettement accéléré l’adoption de l’intelligence artificielle dans ce domaine.

Outre les possibilités offertes par les algorithmes en termes de traitement de données, il est certain que les nouvelles capacités offertes par l’IA générative en termes de documentation, de recherche d’information, de synthétisation permettent d’envisager de nombreux cas d’applications.

Que ce soit avec les moteurs de recherche, les systèmes de recommandation, la compréhension du langage naturel ou les chatbots, l’intelligence artificielle se prête évidemment particulièrement bien au domaine du recrutement.

Elle permet en effet de décupler certains aspects de l’intelligence humaine utilisés dans ces métiers comme l’évaluation, la recommandation, la sélection voire la prise de décision.

La diffusion de l’IA a déjà un impact significatif sur la façon dont les professionnels du secteur des RH et les cabinets de recrutement travaillent et elle va certainement continuer d’affecter les manières de travailler, les compétences, les tâches et les méthodes traditionnelles.

Cet article vise à présenter les innovations dans ce domaine pour comprendre comment l’intelligence artificielle peut être utilisée pour optimiser les processus de recrutement.

Nous présenterons notamment les solutions développées dans ce domaine par un certain nombre de startups et d’éditeurs de logiciel et la manière dont ils l’ont intégrée à leur système.

Pour résumer, il semble qu’on puisse distinguer trois grands champs principaux d’application de l’IA au recrutement.

Il y a tout d’abord la partie acquisition de talents et sourcing où l’intelligence artificielle permet notamment de trier et d’analyser des milliers de CV en quelques secondes ou de rechercher des candidats potentiels sur les réseaux sociaux ou sur les job boards.

Il y a ensuite l’aspect évaluation de la personnalité et des compétences des candidats avec notamment les tests prédictifs. Enfin il y a la partie production de contenus et automatisation de la communication : que ce soit la rédaction de descriptions de poste, la rédaction de réponses rapides et personnalisées aux questions des candidats avec des chatbots ou encore la production de comptes-rendus et de rapports.

L’IA dans la recherche de profils et le sourcing

Les impacts de l’IA dans le recrutement sont d’abord très significatifs dans le domaine de la recherche de profils.

Recrutement programmatique

Depuis plusieurs années déjà, des start-ups comme Seeqle (2019) ou Golden Bees (2015) se sont spécialisées dans la transposition de la publicité programmatique au domaine du recrutement. Elles exploitent ainsi les avantages de l’IA en termes d’automatisation et de qualité de ciblage pour optimiser le recrutement en ligne. Leurs solutions permettent de diffuser des offres d’emploi ou des messages de marque employeur sous forme de publicité ciblée sur le Web, les réseaux sociaux, les moteurs de recherche et les agrégateurs.

Les annonces sont poussées sur les différents médias (blogs, médias en ligne, réseaux sociaux) en fonction de critères tels que les compétences, la localisation, la formation, le poste occupé, etc. Leur fonctionnement repose sur le Real Time Bidding (RTB), c’est à-dire un système d’enchère en temps réel ou chaque annonceur va enchérir auprès des éditeurs de médias pour pouvoir diffuser son offre d’emploi.  L’intérêt de ces solutions est qu’elles permettent de toucher les candidats pertinents avec le bon message et au bon moment partout sur internet.

Solutions d’acquisition de talents

La startup HireSweet, spécialisée dans le recrutement de développeurs, a conçu une intelligence artificielle qui analyse les données publiques (présence sur les réseaux sociaux, publications, CV, contributions à des évènements) afin de trouver les candidats idéaux pour un poste. Toutes ces données sont rassemblées puis exploitées par l’IA pour identifier les profils correspondants et proposer ainsi ceux qui sont le plus pertinents aux entreprises.

Pour des postes où le marché est très tendu, l’intelligence artificielle de Hiresweet permet ainsi de dénicher les candidats qui ne sont pas forcément en recherche active, mais qui pourraient être intéressés par une offre donnée.

Stratégie de ciblage (market mapping)

L’IA générative est utilisée également aujourd’hui dans la phase de ciblage. L’IA permet en effet d’accélérer et de rendre plus exhaustive cette phase de collecte d’information cruciale pour bien calibrer un recrutement. L’IA permet d’avoir une première réponse relativement fiable à des questions telles que : où se trouvent les profils correspondant au poste, qui sont les concurrents sur ces profils, quelles sont les attentes salariales, appartiennent-ils à des communautés, sommes-nous attractifs et bien positionnés pour les attirer…

Concrètement, il suffit d’interroger ChatGPT ou un autre agent conversationnel avec des prompts assez simples du type :

Donne-moi pour le métier de [poste recherché] :

✅des synonymes et équivalences sur les titres de poste

✅les mots-clés pertinents pour ce poste

✅la liste de nos concurrents

✅les événements, salons, communautés professionnelles dans ce métier

✅la fourchette de salaire

✅les formations pertinentes pour ce poste

L’utilisation de l’IA dans cette phase permet aux recruteurs de faire un état des lieux du marché plus précis sur un poste donné. C’est une aide précieuse pour valider d’une part que le poste proposé par l’entreprise est en phase avec les attentes des candidats potentiels sur le marché et identifier d’autre part les canaux de recrutement les plus adaptés pour la recherche.

La rédaction d’offres d’emploi

Les logiciels de recrutement, intègrent désormais également des fonctionnalités de rédaction d’annonces qui reposent sur l’intelligence artificielle.

L’ATS Team Tailor propose par exemple une nouvelle fonctionnalité d’IA générative. Cette fonction dénommée Co-pilot est inclue dans leur plateforme. Co-pilot utilise l’ API d’OpenAI pour générer du texte pour les offres d’emploi en quelques secondes. Il suffit de saisir l’intitulé du poste pour que Co-pilot se charge de rédiger une description pertinente.

En outre, il est possible de suggérer des compétences pertinentes et des caractéristiques uniques au poste et d’assigner un niveau d’importance aux compétences. Au moment de passer des CV en revue Co-pilot indiquera alors rapidement quels sont les meilleurs candidats en fonction du niveau d’importance assigné à une compétence.

De son côté l’éditeur Golden Bees a développé une solution spécialement dédiée à la rédaction d’offres d’emploi. La solution permet de rédiger des descriptions d’offres d’emploi engageantes et de mieux cibler des candidats potentiels. La solution est commercialisée en mode SaaS avec un nombre d’annonces illimité. Leur outil GoldenJob produit ainsi des propositions d’annonce ciblées quel que soit le poste recherché, le secteur ou l’entreprise.

IA et sourcing

L’IA générative est utilisée directement par les recruteurs dans la phase de sourcing elle-même, notamment pour générer l’écriture d’une recherche booléenne sur linkedin:

Par exemple, il est possible de demander à l’aide d’un prompt :  « crée une recherche booléenne pour LinkedIn afin d’identifier un chef de projet e-commerce ayant une expérience dans le secteur de la mode. Le Chef de projet doit avoir une expérience dans la mode et être basé à Paris. Inclue également d’autres moyens par lesquels les gens peuvent saisir leur expérience en tant que Chef de projet e-commerce dans leur profil LinkedIn. »

ChatGPT propose alors une requête booléenne toute faite qu’il suffit de copier et de coller dans la barre de recherche et d’affiner ensuite en fonction de la pertinence des résultats, ce qui permet de gagner du temps, surtout si on n’est pas déjà familiarisé avec les subtilités de la logique de recherche booléenne 😉

Le résultat fourni par ChatGPT est le suivant :

(« Chef de projet e-commerce » OR « Project Manager e-commerce » OR « Responsable e-commerce » OR « E-commerce Manager » OR « Chef de projet digital » OR « Digital Project Manager » OR « Responsable digital » OR « Digital Manager »)

AND (mode OR fashion OR « prêt-à-porter » OR « vêtements » OR « habillement » OR « textile » OR « luxe » OR « accessoires »)

AND (« based in Paris » OR « located in Paris » OR « Paris Area » OR « Paris Region » OR « Île-de-France »)

Parsing

Le parsing utilise les capacités de l’IA pour lire automatiquement des documents. Appliqué aux CVS, cela permet notamment d’extraire les données d’un CV et d’automatiser la constitution de fiches candidats. Cela est donc utile pour constituer un vivier de candidats dans une CVthèque. La plupart des ATS du marché proposent désormais cette fonctionnalité.

Les données extraites pourront ensuite être réutilisés par le recruteur dans un l’ ATS (Applicant Tracking System), directement, ou sous forme de rapports. Cela permet de préqualifier des candidats et de faire des recherches de compétences par mots-clés par la suite.

Du côté du candidat, le parsing permet d’utiliser les informations contenues dans le CV pour personnaliser le mail de réponse (positive ou négative) envoyé avec les coordonnées du postulant ou des informations adaptées, ce qui améliore l’expérience candidat.

L’IA dans l’évaluation et la qualification des candidats

Un autre grand domaine où les impacts de l’impacts de l’IA dans le recrutement sont notables est celui de l’évaluation des candidats.

Génération de tests et traitement des réponses

Les solutions d’IA permettent à la fois de générer des tests à partir des données récupérées sur un poste en particulier mais également d’automatiser le traitement des réponses en exploitant les capacités de l’intelligence artificielle à traiter un grand volume de données de manière simultanée. En outre les IA génératives étant entraînées sur l’analyse du langage humain, elles sont en capacité d’évaluer des réponses à des questions ouvertes en proposant des scores de performance ainsi que des feedbacks. Par rapport à des systèmes de tests plus traditionnels à questions fermées, l’IA permet ainsi d’élargir le champ des compétences évaluées et surtout d’en automatiser une partie.

Matching CV

Le matching CV quant à lui, permet de donner un score ou un pourcentage de compatibilité à un candidat, par rapport à une offre d’emploi donnée. Il permet ainsi d’établir des classements et de faire figurer en premier dans les résultats d’une annonce les candidats correspondant le plus à l’offre et donc d’obtenir des candidatures plus qualifiées.

A l’inverse, du côté candidat le candidat peut déposer son CV sur un site carrière qui en retour lui transmettra toutes les offres pertinentes selon son profil. L’utilisation de l’IA permet ainsi d’augmenter le taux de candidatures reçues sur un site carrière et de faire découvrir des nouveaux métiers que les candidats n’auraient peut-être pas envisagés s’il avait fait une simple recherche par mots-clés. Certains logiciels de recrutement ont développé une brique spécifique de leur logiciel de matching pour adresser cet aspect, qu’il est possible d’intégrer à son site carrière. C’est le cas par exemple de ScopLab qui propose son logiciel de matching CV ScopMatching.

Scoring ou Ranking

Des fonctionnalités comme le Scoring ou le Ranking permettent de filtrer les CVs en fonction des occurrences issues de l’offre d’emploi, c’est-à-dire des événements survenus lors d’un processus de recrutement.

Certains ATS, comme Marvin Recruiter, proposent cette fonctionnalité. Grâce à des paramètres de filtrage avancés, le recruteur peut ainsi retrouver un candidat en fonction de la date du dernier contact, de sa localisation, de son niveau ou de son expérience et le contacter dans la foulée.

IA et recrutement prédictif

Le recrutement prédictif consiste à tenter de prédire le type de profils le plus susceptibles de réussir sur un poste en fonction de ce qu’on sait des caractéristiques des profils ayant déjà réussi à ce poste dans l’entreprise.

Pour cela, l’algorithme analyse les informations des profils ayant occupé un poste (parcours, antécédents professionnels, résultats aux tests… )  et construit le profil type du poste. Ce modèle permet en théorie de prédire quels seront les profils qui réussissent le mieux sur ce poste et il suffit ensuite chercher au sein des bases de données les CVS qui se rapprochent le plus du profil établi.

Les recruteurs peuvent ainsi se concentrer uniquement sur les meilleurs candidats potentiels, et gagner du temps.

Par contre une des difficultés de l’utilisation des IA prédictives est que dans les facteurs de réussite sur un poste, l’algorithme va collecter des données comme le sexe, l’âge ou l’origine ethnique, ce qui au vu des législations interdisant la discrimination sur la base de ces données peut poser problème.

C’est la raison pour laquelle certaines applications basées sur l’IA prédictives, conscientes du problème, prennent comme critères uniquement les scores aux tests mais excluent les données comme le sexe, l’âge ou l’origine des données collectées.

IA sémantique

C’est une des raisons pour lesquelles d’autres applications font le choix de l’IA sémantique, c’est le choix qu’a fait l ‘ATS Tool4staffing par exemple.

A la différence des IA prédictives, l’approche sémantique se base sur l’analyse du langage naturel pour trouver des correspondances entre les compétences recherchées et celles affichées par les candidats sur leur CV.

L’IA sémantique se concentre donc sur la compétence en cherchant les CVS qui comportent les mots clés associés à cette compétence.  D’un certain côté, elle permet une évaluation plus « objective » des candidats en se concentrant seulement sur les qualifications et l’expérience nécessaires pour un poste donné.

Etant donné que la recherche se fait dans le CV entier, l’intérêt d’une telle approche est que même si un candidat n’a pas l’intitulé exact d’un poste attendu par le recruteur sur son CV, mais qu’il a développé des compétences intéressantes pour le poste en question, l’IA présentera son profil tout autant qu’un candidat qui a mis l’intitulé de poste en titre de son CV.

Les entretiens automatisés par l’ IA

Mais aujourd’hui l’intelligence artificielle permet d’aller plus loin encore dans la phase de préqualification des candidats.

Par exemple, le logiciel d’intelligence artificiel Vera, mis au point en 2016 par une start-up russe, sélectionne les profils les plus susceptibles de correspondre aux prérequis de l’employeur grâce à des entretiens automatisés.

Le logiciel s’appuie sur cinq sites dédiés au recrutement, dont il présélectionne 10 % des profils les plus susceptibles de correspondre aux critères de l’entreprise. Puis, une fois le choix établi, il propose aux candidats retenus de fixer un entretien par Skype ou par téléphone.

L’ entretien est alors assuré par le logiciel grâce aux systèmes de reconnaissance vocaux de Google, Amazon, Microsoft et Yandex et est capable de réaliser simultanément jusqu’à 1 000 entretiens d’embauche, en appel vocal ou vidéo.

De son côté la solution Harver, propose une plateforme d’évaluation de talents pré-embauche basée sur le cloud. La solution est spécialisée pour les entreprises de centres de contacts. Elle permet de digitaliser la phase d’entretiens de pré-embauche avec des tests spécifiques à chaque client et des mises en situation. Le logiciel exploite des fonctionnalités d’intelligence artificielle (IA) construites autour d’un algorithme propriétaire autodidacte pour faire passer des entretiens automatisés.

L’algorithme de Harver recueille des informations telles que l’adéquation culturelle, la personnalité, les jugements situationnels, les capacités cognitives et la maîtrise des langues et calcule un score exprimé en pourcentage pour mettre en évidence les meilleures correspondances.

Sa fonction « VideoPitch » permet d’inviter également les candidats à enregistrer des présentations vidéo et des réponses aux entretien. Les fonctionnalités de reporting et d’analyse permettent de visualiser des informations sur les processus de recrutement, et sont accessibles via le tableau de bord de l’utilisateur recruteur. La solution s’intègre avec les systèmes de suivi de candidatures de type ATS.

IA et onboarding

Slack, a développé un outil d’ intelligence artificielle développée qui permet d’automatiser des réponses aux questions fréquentes que se posent les collaborateurs à propos de l’entreprise..

Par exemple, l’IA de Slack permet de faciliter l’onboarding en étant en mesure de répondre à toutes les questions que peut se poser un nouveau collaborateur à son arrivée (la culture, le contexte de l’entreprise etc). De cette manière, il n’a pas besoin de rechercher les informations dans les bases de données, ou d’interroger fréquemment ses collègues ce qui représente un gain de temps pour tous.

On le voit les impacts de l’IA sur le recrutement sont nombreux avec la possibilité de l’utiliser aussi bien pour élargir le nombre de candidats touchés lors de la phase de sourcing, que pour enrichir les systèmes d’évaluation ou encore pour automatiser le traitement des réponses des documents de synthèse telles que rapports fiches de poste, cartographies de compétences.

Limites et questionnements éthiques de l’IA dans le recrutement

Les limites de l’IA dans le recrutement

Comme tout changement, l’adoption de l’IA suscite un certain nombre de préoccupations légitimes et d’interrogations.

Tout d’abord, même si les aspects innovants de l’IA dans le recrutement sont incontestables et qu’elle permet de gagner en temps et en efficacité sur un certains nombres de tâches, l’IA présente toute fois des limites dont il faut avoir conscience.

Sur le plan de l’expérience candidat par exemple : effectivement l’aspect innovant d’un entretien fait par un agent virtuel à la place d’un consultant en chair et en os séduit peut-être certains candidats mais on peut se demander si tous les candidats adhèrent et apprécient.

Le côté un peu déshumanisant ne risque-t-il pas de pénaliser plus qu’autre chose les entreprises qui abuseront de ce type de technologies et de générer une forme de frustration chez certains candidats ?

Par ailleurs, l’IA ne peut pas remplacer des aspects primordiaux dans le recrutement comme l’empathie, l’intuition et la compréhension globale d’une personnalité. De même les interactions humaines sont nécessaires pour évaluer des qualités intangibles comme la culture d’entreprise, la motivation ou le potentiel de développement.

En termes d’adaptation aux évolutions et face à des changements imprévus, les systèmes d’IA comportent également des limites. Les IA sont optimisées pour des tâches spécifiques et ne s’adaptent pas forcément à des situations non prévues dans leur programmation initiale.

Ceux qui conçoivent ces IA évoquent souvent également le problème des biais algorithmiques : selon la façon dont les algorithmes ont été entraînés ils peuvent reproduire et amplifier les biais existants dans les données historiques de recrutement. Par exemple, si les données passées contiennent un certain nombre des préjugés pas toujours objectivement fondés, l’IA peut les perpétuer.

La performance des systèmes d’IA dépend par ailleurs fortement de la qualité et de la représentativité des données utilisées pour les entraîner. Si les données initiales sont incomplètes, biaisées, de mauvaise qualité ou en nombre insuffisant, cela peut mener à des résultats incorrects ou considérés comme injustes.

Ceci pose le problème de la transparence des décisions de recrutement : pour qu’elles soient acceptées les décisions de recrutement doivent pouvoir être comprises de la part des candidats et les critères de choix doivent donc pouvoir être explicités. Dans le cas contraire, cela génère une forme d’opacité qui est nuisible à l’image de marque de l’entreprise. Ainsi il n’est pas rare de voir des avis de candidats dont la candidature a été écartée par un système automatisé se plaindre et poster des avis négatifs.

Les défis éthiques posés par l’IA

On peut évoquer également les problèmes de confiance et de conformité aux réglementations telles que le RGPD. Dans certaines des applications de l’IA dans le recrutement, l’IA collecte en effet de grandes quantités de données personnelles pour fonctionner efficacement, ce qui peut poser des problèmes en termes de respect de la vie privée.

Un grand chantier législatif sur ces sujets est d’ailleurs en cours : en mars 2024 le Parlement Européen a adopté un projet de règlement sur l’intelligence artificielle qui sera soumis au vote du Conseil de l’UE pour une entré en vigueur en 2025. Le texte impose certaines obligations de transparence aux fournisseurs et utilisateurs d’IA génératives, notamment le fait de documenter et d’ analyser le développement et l’entrainement des IA afin de garantir un risque minimum d’atteinte aux droits fondamentaux. 

Sur le plan éthique l’’utilisation de l’IA soulève e manière générale la question de savoir jusqu’où l’on peut déléguer une décision humaine à une machine. Peut-on laisser une machine décider intégralement de l’avenir professionnel d’une personne ? Cela nécessite une réflexion éthique approfondie et la mise en place de garde-fous appropriés.

L’ auteur Cathy O’Neil, dans son livre sorti en français en 2018 sous le titre « Algorithmes : la bombe à retardement », alertait déjà à l’époque sur le fait que les modèles mathématiques et les algorithmes prennent de plus en plus des décisions majeures dans des domaines aussi variés que l’éducation, la santé, l’emploi et la justice et servent à classer et catégoriser les personnes selon des critères qui peuvent être discutables voire dangereux. Elle pointe notamment le fait que les critères utilisés par les IA de classement sont présentés comme neutres et d’objectifs alors que dans les faits il s’agit de « choix éminemment subjectifs, des opinions, voire des préjugés insérés dans des équations mathématiques ».

Conclusion 

En résumé, bien que l’IA offre de nombreuses opportunités pour améliorer l’efficacité et l’objectivité des processus de recrutement, on voit que son implémentation doit être faite de manière intelligente. Une mauvaise utilisation pourrait même être plus contreproductive qu’autre chose car les équipes de recrutement risquent de perdre la main sur les processus de décision mais aussi de donner une mauvaise image de leur entreprise.

A ce titre, il est important de sensibiliser les salariés à la nécessité de faire un usage critique de ces solutions qui ne doivent pas faire office de baguette magique ou d’oracle incontestable. Avec les IA génératives comme ChatGPT, il ne faut pas se ranger derrière une décision prise par l’IA, le recruteur doit garder la main sur le choix final.

Il convient notamment d’avoir une vigilance particulière sur les aspects éthiques et de s’assurer avant toute implémentation que les règles sur le respect de la vie privée soient respectées.

Pour réussir, une bonne intégration de l’IA dans les processus de recrutement implique dans tous les cas un travail de formation des équipes ainsi qu’un travail de pédagogie vis—à vis des candidats pour rendre les processus transparents. Pour que ce soit efficace, les équipes de recrutement et les utilisateurs finaux doivent comprendre et accepter ces nouvelles technologies.

Sur la question du degré d’intégration de l’IA dans la décision finale de recrutement on constate que celui-ci varie aujourd’hui selon les entreprises. Dans certaines entreprises, l’IA prend en charge de plus en plus de tâches, fournissant aux décisionnaires RH des informations et analyses complémentaires sur les candidats, le recruteur restant maître de la décision finale. Dans d’autres, l’IA a déjà pris en charge le processus de décision de manière automatisée, y compris la validation ou le rejet des candidatures.

Chaque organisation devra trouver son positionnement et la part qu’il entend donner à l’IA en poussant le curseur plus ou moins loin. Le tout IA n’est pas forcément la solution. Au final, il s’agit de peser le pour et le contre et d’évaluer les avantages et les inconvénients de l’IA pour chaque aspect du processus de recrutement, afin d’opérer ses choix en conséquence et en connaissance de cause.