Comment l’IA transforme le premier entonnoir des candidats (et ce qu’elle ne peut pas faire)
Gains d’efficacité: L’IA améliore l’efficacité en automatisant les tâches de recrutement en amont, telles que le sourcing et la planification des candidatures.
Prévention des biais: L’usage de l’IA peut renforcer les biais existants dans le recrutement si les données historiques ne sont pas validées avec soin.
Rôle humain: Malgré l’intervention de l’IA, la validation humaine reste indispensable à chaque étape de décision dans le processus de recrutement.
Transparence vis-à-vis des candidats: Une communication claire sur le rôle de l’IA dans la présélection rassure les candidats sur le processus.
Critères définis: Établir des critères de recrutement clairs est essentiel ; les outils IA dépendent de définitions précises pour être efficaces.
Il y a quelques années, notre équipe de recrutement passait la plupart de son temps sur des tâches ne nécessitant pas leur jugement. Planification, gestion de la boîte mail, tri des candidatures ne remplissant pas les qualifications de base. L'équipe maîtrisait ces activités, mais cela les détournait des échanges réellement importants.
Nous avons commencé à utiliser l'IA dans les premières étapes du tunnel de candidature pour le sourcing, le tri, la planification et l'évaluation de premier niveau. Non pas parce que c'était innovant, mais parce que c'était l'utilisation appropriée de la technologie. Gérer des tâches à haut volume, répétitives et chronophages, c'est précisément là où l'IA trouve toute sa place.
Avec l’IA, il est vite apparu que le changement ne portait pas seulement sur l’efficacité. C’est surtout ce que nos recruteurs pouvaient accomplir avec le temps récupéré.
Keep Reading—and Keep Leading Smarter
Create a free account to finish this piece and join a community of forward-thinking leaders unlocking tools, playbooks, and insights for thriving in the age of AI.
Have an account? Log In
La partie où l’IA excelle
Ce n’est dans l’ensemble pas un processus demandant beaucoup de jugement. Il s’agit de tri, de filtrage et de logistique.
Avant que le véritable jugement ne soit appliqué, quelqu’un doit effectuer beaucoup de tâches manuelles. Selon le poste, on peut devoir examiner des centaines de candidatures pour aboutir à quelques échanges.
L’IA gère le sourcing en présentant des candidats correspondant aux critères du poste à travers différents canaux, sans qu’un recruteur doive passer des heures en recherche manuelle. Elle effectue un premier tri pour signaler les candidats qui remplissent les conditions minimales, ce qui économise des heures avant même d’ouvrir une lettre de motivation.
Ensuite, la planification peut être automatisée presque en totalité. Même si cela peut sembler anodin, planifier engendre souvent des journées d’allers-retours, et son impact ici est donc significatif.
Pour l’évaluation lors du premier passage, les outils d’IA peuvent analyser les réponses aux questions structurées de présélection et les noter selon des critères définis. Suivre des critères précis et appliqués de façon cohérente, au lieu de recourir à un jugement global, met toutes les étapes suivantes sur la voie de la réussite.
Cette cohérence est l’un des arguments majeurs en faveur de l’IA. Les évaluateurs humains varient. Ils sont influencés par l’heure de la journée, le nombre de dossiers déjà lus et si le dernier candidat leur rappelait quelqu’un.
Avec l'IA, le même barème s’applique à la centième candidature comme à la première. Cela a plus d’importance qu’on ne le pense souvent.
Ce que nous avons appris sur les limites de l’IA
L’IA utilisée en début de processus induit un effet de filtre, et ce qu’elle retire de votre vivier n’est pas aléatoire. Si vos critères sont trop serrés ou que vos données historiques reflètent des habitudes de recrutement non entièrement représentatives, l’IA reproduira ces schémas.
Ce n’est pas théorique. Il existe une histoire documentée d’outils de recrutement alimentés par des données historiques qui ont fini par désavantager certains groupes parce que les données d’entraînement reflétaient les biais des recruteurs précédents. Nous en avons eu conscience et l’avons pris au sérieux.
Notre approche a été de définir les critères explicitement avant de mettre en place un filtrage automatisé. Que signifie réellement « qualifié » pour ce poste ? Quels signaux prédisent la performance, et lesquels ne sont que des indicateurs de familiarité ? Lorsqu’on doit formaliser tout cela, on remarque des choses qui auraient pu nous échapper autrement.
Nous avons également maintenu une validation humaine à chaque étape de décision, même lorsque l’IA avait déjà fourni une recommandation. Personne ne passe à l’étape suivante sans qu’une personne ait examiné sa candidature. L’IA peut réduire le vivier, mais la décision finale appartient toujours à l’humain.
Ce que cela a permis à notre équipe de faire
C’est une facette moins souvent mise en avant que l’efficacité, mais qui, en pratique, est la plus essentielle.
Quand vos recruteurs ne passent plus la première moitié de leur journée sur des tâches logistiques ou de premier tri, ils peuvent consacrer ce temps à des tâches nécessitant véritablement un jugement, comme l’expérience candidat, des échanges approfondis avec les finalistes, ou la réflexion autour des embauches au niveau exécutif — où aucune solution d’IA ne sera jamais votre filtre principal.
Chez DoorLoop, nous distinguons les rôles augmentés par l’IA de ceux détenus par l’humain. En recrutement, le début du processus appartient à la catégorie augmentée par l’IA, elle traite la masse, mais le résultat appartient à l’humain. La sélection finale et tout ce qui concerne l’adéquation culturelle restent 100 % humains.
Cette classification n'est pas définitive. Nous la réévaluons. Au fur et à mesure que les outils s'améliorent et que nous recueillons plus de données sur les signaux précoces qui prédisent réellement la performance en aval, la frontière peut changer. Mais pour l'instant, c'est ainsi.
La question de l'expérience candidat
Il est tout à fait légitime de se demander ce que l’on ressent quand on subit un processus sélectionné par l’IA. Les candidats savent que ces outils existent et certains doutent qu’un humain lira réellement leur candidature.
Nous répondons à cela par la transparence. Dès le début, nous informons que l’IA est utilisée dans la présélection en début de parcours. Nous expliquons aux candidats ce que nous évaluons et précisons que toute candidature franchissant la première étape est examinée par une personne.
Est-ce suffisant pour dissiper complètement le scepticisme ? Je ne saurais le dire. Mais l’ambiguïté ne sert personne, et nous pensons que les candidats sont capables d’entendre clairement comment se déroule le processus.
Le plus grand risque est d’avoir un processus qui paraît creux à la fin. Un candidat passe toutes les étapes du tunnel, et le premier vrai échange donne l’impression que personne ne s’est préparé. L’IA à l’entrée n’excuse pas une mauvaise expérience à la sortie.
Ce que cela ne règle pas
Si vous utilisez l’IA dans le parcours candidat pour compenser le fait de ne pas vraiment savoir qui vous recherchez, elle ne vous aidera pas. L’outil n’est aussi efficace que les critères que vous lui fournissez. Des offres d’emploi vagues, des exigences floues, des fiches de poste copiées d’un autre modèle, tout cela donne un processus rapide et automatisé… mais avec les mauvais résultats.
Nous avons réellement pris le temps, avant d’implémenter tout outil, de clarifier ce que nous recherchions lors du recrutement. Ce travail était distinct de la technologie. Il aurait été pertinent de toute façon.
L’IA en début de parcours n’est pas un raccourci vers un meilleur recrutement, mais, bien utilisée, elle permet de traiter du volume avec moins de temps manuel et plus de cohérence. La décision finale revient toujours à votre équipe. La seule question est la part de leur temps qui sera mobilisée avant qu’ils aient besoin de l’exercer.
