Exemples d’IA dans les RH : 11 Cas Concrets où l’IA Soutient les Équipes RH

Pour l’équipe RH, cela signifiait s’attaquer à des défis persistants en matière d’optimisation de la performance, notamment la manière dont les employés fixent et pilotent leurs objectifs.

Malgré l’automatisation déjà existante, la formalisation des objectifs chez Zapier restait inégale et fastidieuse. Les salariés peinaient à définir des objectifs mesurables et bien alignés, tandis que les managers manquaient de visibilité sur la qualité des objectifs dans l’ensemble des équipes.

Les méthodes traditionnelles de fixation d’objectifs n’étaient pas efficaces, et des employés pressés renonçaient souvent au processus, au risque de créer un manque d’alignement et des performances moins satisfaisantes.

L’approche IA

Emily Mabie, responsable de l’accompagnement managérial chez Zapier, a conçu un système complet basé sur l’IA pour soutenir la fixation d’objectifs — du coaching individuel à l’analyse des tendances d’équipe. Le projet a exploité des technologies IA via cinq outils natifs Zapier, combinés en moins de deux semaines :

1. Chatbot IA de coaching : Hébergé sur une page interne Zapier, le bot accompagne les salariés à travers le cadre objectif AMP propre à Zapier. L’IA fournit conseils en temps réel, rappels et exemples, en phase avec les attentes de l’entreprise pour des objectifs flexibles à fort impact. Cela permet de réduire les tâches RH répétitives tout en renforçant l’engagement.
2. Collecte automatisée des données : Toutes les conversations, dépourvues des informations personnelles identifiables (PII), sont centralisées dans une base de données Zapier Table via un workflow personnalisé, créant un référentiel des données employé tout en préservant la confidentialité. Ces jeux de données deviennent alors exploitables pour l’analyse continue.
3. Agent IA back-end : Un agent Zapier analyse ensuite tous les échanges enregistrés à l’aide de l’apprentissage automatique pour repérer les points d’abandon et identifier les faiblesses (ex. imprécision, manque d’alignement) dans la définition des objectifs. Cette analyse révèle ainsi des schémas invisibles lors d’un examen manuel.
4. Module de reporting pour managers : L’agent IA offre des analyses en continu pour permettre à l’équipe Learning & Development d’optimiser l’accompagnement, en transformant les données issues des échanges en stratégie et en pilotant l’amélioration continue des formations. Les dirigeants bénéficient ainsi d’indicateurs précis sur l’évolution de la qualité des objectifs.
5. Stratégie de diffusion & d’adoption : La promotion entre pairs sur Slack, des référents internes par équipe et un message clair « qu’est-ce que j’y gagne ? » ont permis d’atteindre 91% de participation dès le premier cycle (plus de 800 utilisations uniques du chatbot), preuve de l’adoption de l’IA.

Les résultats

• 91 % de participation à la définition d'objectifs via le chatbot IA—une nette progression par rapport à l'engagement des employés avec les systèmes précédents.
• Plus de 800 conversations sur la fixation d'objectifs analysées, menant à des améliorations mesurables dans la spécificité et l’alignement des objectifs.
• Hausse de la qualité des objectifs à chaque cycle : les objectifs sont devenus plus mesurables, plus stratégiques et mieux alignés avec les buts des départements et de l’entreprise, ce qui a directement amélioré les indicateurs de performance des employés.
• Déploiement complet du pilote à l’ensemble de l’entreprise en moins de deux semaines grâce à la culture d’expérimentation de Zapier et à l'infrastructure low-code.

À retenir pour les dirigeants

Ce n’était pas juste une IA remplaçant un formulaire, c’était une IA créant une boucle de rétroaction. Zapier a intégré l’IA dans tout le parcours de définition d’objectifs : accompagnement, analyse, amélioration et renforcement de la culture. Cela a fonctionné non parce que l’IA a tout fait, mais parce que les professionnels RH ont conçu l’expérience avec empathie, contexte et clarté.

Signal d’alerte

Même les systèmes IA bien conçus échouent si la structure de base est faible. Zapier l’a appris à ses dépens lorsque leur cadre initial de définition d’objectifs a déçu malgré un chatbot techniquement robuste. Passer à un modèle AMP plus simple et intuitif a permis d’obtenir de meilleurs résultats. La leçon ? La puissance de l’IA dépend toujours d’une conception intelligente.

Conseil sans filtre

L’IA n’est pas un raccourci magique—c’est un scalpel, pas un marteau. Comme l’explique Mabie :

Nous n’avons pas développé cela parce que l’IA est à la mode. Nous l’avons fait parce que la fixation d’objectifs était défaillante. Les gens étaient frustrés par le processus, pas par le but—et l’IA nous a permis de le rendre plus simple, rapide et véritablement utile.

Pour reproduire la réussite de Zapier :

• Commencez par un cadre solide. L’IA ne peut pas corriger une base défaillante. Choisissez une structure simple et flexible adaptée à votre équipe.
• Pensez à la rétroaction. Utilisez l’IA pour détecter les décrochages, zones de confusion et succès, puis ajustez rapidement.
• Capitalisez sur la culture interne. Les ambassadeurs pairs et la promotion via Slack surpassent toujours les instructions descendantes.
• Maîtrisez vos outils. La solution 100 % native et low-code de Zapier a permis de réduire les coûts et d’itérer rapidement.

Avant vs Après : Zapier + Définition d’Objectifs avec IA

Domaine ciblé	Avant l’IA	Après l’IA
Qualité de définition des objectifs	Objectifs incohérents, vagues et mal alignés ; cadres non adoptés	Amélioration nette de la clarté, spécificité et de l’alignement des objectifs avec les priorités de l’organisation grâce au coaching IA
Participation	Taux variables de soumission des objectifs ; difficile à suivre	91 % de participation, avec plus de 800 sessions de fixation d’objectifs guidées par le chatbot enregistrées
Perspectives d’accompagnement	Pas de données centralisées pour analyser ce qui fonctionnait ou les points d’abandon	L’agent IA a fourni des boucles de feedback sur la qualité des objectifs, les points de friction et les schémas d’adoption
Vitesse de déploiement	Les nouveaux outils requièrent généralement des mois de gestion du changement	Déploiement complet du design à l’échelle réalisé en moins de deux semaines grâce à un fort soutien des pairs et de la direction
Charge administrative	Revue manuelle des objectifs et impact peu clair des efforts d’accompagnement	L’agent IA a continuellement analysé les résultats et recommandé des ajustements stratégiques pour améliorer les résultats

2. Flowable

Une des trois premières banques mondiales de gestion de patrimoine faisait face à l’un des processus les plus complexes de la banque privée : la vérification de la provenance des fonds (SOW). Avant que tout nouveau client à grande fortune ne puisse être intégré, la banque devait prouver—souvent avec une extrême rigueur—que son argent était propre, légitime et traçable. Cela impliquait de passer au crible des centaines de pages de documents, dossiers publics, transactions commerciales et historiques financiers.

Le processus était manuel, répétitif et lent. Il exigeait un échange constant entre le conseiller clientèle et le responsable de la conformité, prolongeant souvent la démarche à 5–6 semaines. L’expérience client en pâtissait, générant jusqu’à 25 à 30 % de taux de désistement dès cette étape précoce.

Le recours à l’IA

Si l’objectif de la banque était d'améliorer un problème touchant la clientèle, la cause était en fait des workflows internes générant une mauvaise expérience employé. Ils ont collaboré avec Flowable, qui a mis en place une architecture IA agentique sophistiquée, portée par des algorithmes d’apprentissage automatique pour automatiser la vérification SOW. La transformation s’est opérée en deux phases :

Phase 1 : Agents IA spécialisés — Flowable a déployé des agents dédiés pour extraire des données à partir de PDF, croiser les dossiers publics (par exemple, vérifier la cession d’un fondateur par des articles de presse), classifier les historiques professionnels et résumer les trajectoires financières à l’aide du traitement du langage naturel.

Phase 2 : Système agentique orchestré — Une couche d'orchestration basée sur les cas a coordonné plus de 28 agents d’IA afin de gérer des flux de travail de bout en bout. Ces agents incluaient des modules spécialisés pour analyser les revenus historiques, vérifier la traçabilité des actifs et évaluer la conformité régionale — le tout dans des limites strictes de permission sur les données.

Fait crucial, Flowable a assuré des points de contrôle « humain dans la boucle » (HITL) lors des étapes clés de décision. Aucun agent ne pouvait approuver ou rejeter un dossier sans une validation finale effectuée par des professionnels humains, garantissant ainsi la confiance et la conformité.

Les Résultats

Selon Micha Kiener, CTO et cofondateur de Flowable :

• Le taux de perte de clients est passé de 25–30% à moins de 1% lors de la phase SOW, ce qui représente des économies significatives grâce à une meilleure fidélisation.
• Le temps de traitement a chuté de 40–45 jours à seulement 1–2 jours en moyenne.
• 95% du flux de travail SOW est désormais complètement autonome, libérant ainsi les conseillers clients et les agents de conformité pour se consacrer aux tâches nécessitant une expertise humaine.
• Aucune résistance à l’adoption — en réalité, les employés l’ont accueilli comme une amélioration attendue d'une fonction pénible, preuve d’une adoption fluide de l’IA.

Résultat pour l'exécutif

En concevant un système d’orchestration adapté au domaine, avec transparence, contrôles et clarté des rôles, cette institution a regagné des revenus perdus, fidélisé ses meilleurs clients, et permis à ses collaborateurs de se concentrer sur des tâches à plus forte valeur ajoutée, tout en améliorant considérablement l’expérience des employés. Les dirigeants ont constaté un retour sur investissement immédiat grâce aux technologies d’IA.

Drapeau rouge

Sans gouvernance solide, l’IA agentique peut devenir une boîte noire, source de risques de conformité, d’hallucinations et de perte de confiance. Flowable a obtenu l’adhésion du management en mettant en place une gestion des cas avec permissions strictes sur les données, traçabilité et auditabilité.

Parlons vrai (avec des conseils)

L’IA agentique ne s’installe pas comme un simple plug-in — c’est une architecture. Si vous souhaitez vraiment utiliser l’IA pour des flux de travail règlementés et sensibles :

• Construisez des solutions transversales et non en silos, en visant l’intégralité d’un processus de bout en bout, et pas seulement des fragments.
• Priorisez la gouvernance : tracez chaque entrée/sortie, définissez les limites des agents et sécurisez les permissions de données.
• Le « humain dans la boucle » n’est pas optionnel : c’est un gage de sécurité et d’ancrage de la confiance. Comme le souligne Kiener :

On pense que l’automatisation signifie retirer l’humain du processus, mais c’est l’inverse. Le secret est de savoir précisément où vous avez encore besoin de jugement. Notre IA s’occupe du travail fastidieux, mais les décisions importantes restent humaines.

Avant / Après : Banque privée internationale + Flowable

Domaine clé	Avant l’IA	Après l’IA
Temps de vérification SOW	5–6 semaines par client ; échanges lents entre conseillers et agents de diligence	1–2 jours de traitement moyen avec une gestion autonome à 95% par l’IA
Perte de clients	25–30% d’abandon à cause des délais et demandes d’information répétées	<1% d’abandon lors de l’intégration ; processus fluide, efficace et basé sur la confiance
Charge du flux de travail	Extraction manuelle de documents, clarifications répétitives, peu de réutilisation	Plus de 28 agents IA orchestrés pour extraire, valider, résumer et n’escalader que les exceptions
Risque sur la gouvernance	L’emploi d’outils d’agents ouverts ne permettait pas la traçabilité et le contrôle des données	La plateforme à base de cas de Flowable impose permissions de données, traces d’audit et supervision humaine

3. Maya IA pour le recrutement

Un leader de l’assurance-vie faisait face à des goulets d’étranglement classiques des environnements de recrutement à fort volume. Les RH passaient un temps considérable à examiner manuellement les CV, contacter les candidats, traiter les dossiers non qualifiés et gérer les relances — souvent sur des plateformes déconnectées comme les systèmes ATS, LinkedIn, email et sites d’emploi.

Le processus était répétitif, irrégulier, et sujet aux abandons, avec des temps d’accès à l’entretien lents et des absences de candidats qui mettaient à rude épreuve la capacité des recruteurs et retardaient les embauches, impactant ainsi l’expérience des nouveaux arrivants et l’efficacité des fonctions RH de base.

La solution IA

L’assureur a mis en œuvre Maya, une plateforme conversationnelle d’IA et d’automatisation des flux, exploitant le traitement du langage naturel pour gérer la phase amont du recrutement. Maya était configurée pour :

• Contactez automatiquement les candidats avec des messages personnalisés et conversationnels par SMS, email ou formulaires personnalisés.
• Sélectionnez et qualifiez les candidats en fonction de critères prédéfinis, y compris l'analyse de CV et la formulation de questions spécifiques au poste à l'aide d'algorithmes d'apprentissage automatique, automatisant ainsi le tri des CV à grande échelle.
• Planifiez des entretiens via l’IA, selon la disponibilité des recruteurs, et envoyez des rappels automatiques pour réduire les absences, ce qui aide à optimiser l'une des tâches RH les plus chronophages.
• Fournissez aux recruteurs des synthèses structurées des candidats, segmentant les postulants qualifiés et non qualifiés en indiquant les raisons pour les deux, permettant des décisions plus éclairées et une meilleure analyse de la qualité des candidats.
• Adaptez le ton et la personnalité (décontracté ou formel) en fonction de la marque de l'entreprise et de la nature du poste.

La configuration a pris deux semaines, durant lesquelles Maya a été adaptée aux spécificités des processus de recrutement et aux exigences de conformité de l’entreprise, démontrant une adoption rapide de l’IA.

Les Résultats

Maya a généré des gains significatifs d’efficacité et de conversion en quelques semaines seulement après son déploiement :

• Le taux d’embauche a atteint 70 % des candidats traités par Maya dans l'ensemble des agences de l'organisation.
• Le coût par entretien a chuté de $37 à $13 — soit une réduction de 65 % en deux mois, ce qui a permis une meilleure allocation des ressources à d’autres initiatives et engendré d’importantes économies.
• Le délai pour obtenir un entretien est passé de 5–7 jours à 1 jour, améliorant spectaculairement la rapidité du recrutement et l’expérience des candidats employés.
• 92 % des candidats pensaient interagir avec un véritable humain, et non une IA, démontrant la sophistication du traitement du langage naturel.
• Maya a entièrement géré le tri des candidats qualifiés et non qualifiés, permettant aux recruteurs de se concentrer uniquement sur les meilleurs profils et les missions RH stratégiques.

Conclusion exécutive

L’IA conversationnelle permet un engagement de précision. Maya a transformé un processus hautement manuel et désorganisé de première étape en un workflow rationalisé à fort taux de conversion, laissant les recruteurs jouer leur meilleur atout : créer du lien humain et conclure de belles embauches, tout en améliorant globalement l’engagement des collaborateurs dans le processus d’embauche.

Point d’alerte

Les systèmes humains peuvent encore constituer le goulot d’étranglement. Maya a qualifié avec succès les candidats, mais dans certains cas, les recruteurs n’ont pas donné suite, ce qui a entraîné des opportunités manquées. L’IA doit être accompagnée d’une responsabilisation forte, d’une montée en compétences des recruteurs et de programmes de formation mis à jour.

Paroles vraies (avec conseils)

Shivam Ramphal, cofondateur de Maya AI, donne toujours le même conseil à ses clients, quel que soit leur objectif.

Nous disons toujours à nos clients : n’utilisez pas l’IA tant que vous ne savez pas à quoi ressemble le succès. Si vos objectifs ne sont pas clairs ou que le volume vous dépasse, l’IA ne fera qu’amplifier cela. Mais si vous êtes bien préparés, elle devient un accélérateur.

Une IA comme Maya peut transformer radicalement la performance de recrutement, mais uniquement si les humains remplissent leur part du contrat.

• Définissez des objectifs d’embauche réalistes avant de déployer l’IA dans le recrutement. N’exigez pas 10 000 leads si vous n’avez besoin que de 5 recrutements.
• Entraînez l’IA comme un employé : précisez ce qu’elle doit dire, ce qu’elle ne doit pas dire, et le niveau de formalité attendu.
• Utilisez l’IA comme un complément, pas comme un remplacement : la mission de Maya est le filtrage — les recruteurs doivent tout de même être présents pour conclure.

Dirigez plus intelligemment à l'ère de l'IA

Rejoignez la communauté People Managing People pour accéder à du contenu exclusif, des modèles pratiques, des événements réservés aux membres et des conseils hebdomadaires en leadership—c'est gratuit de s'inscrire.

Sign up with:

LinkedInGoogleMicrosoft

Or sign up with email:

Name*

First name Last name

Seniority*

Select oneExecutive / C-suiteVPDirectorManagerIndividual ContributorOther

Business email*

Create Password*

This field is hidden when viewing the form

LinkedIn profile

This field is hidden when viewing the form

Company's AI adoption maturity*

Select an optionExploring opportunitiesRunning pilotsScaling adoptionEmbedded in the business model

By submitting this form, you agree to receive our newsletter, and occasional emails related to People Managing People. You can unsubscribe at any time. For more details, please review our Privacy Policy

This field is hidden when viewing the form

Job title

This field is hidden when viewing the form

Department

Select an optionExecutive LeadershipOperationsPeople & CultureTechnologyFinanceMarketingSales & Business DevelopmentProduct & InnovationCustomer SuccessLegal & ComplianceOther

This field is hidden when viewing the form

Company size

Select an option1–5051–200201–1,0001,001–5,0005,001–10,00010,000+

This field is hidden when viewing the form

Industry

Select an optionTechnology / SoftwareProfessional Services / ConsultingFinancial ServicesHealthcare & Life SciencesManufacturing & IndustrialRetail & Consumer GoodsMedia & CommunicationsGovernment & Public SectorEducationNonprofit / NGOEnergy & UtilitiesOther

This field is hidden when viewing the form

Company website

This field is hidden when viewing the form

Reg Wall Module

InlineBottom BarFooterLanding PagePop UpSidebarSSO

Avant / Aprèsa0: Maya AI + Globe Life

Domaine clé	Avant l’IA	Après l’IA
Efficacité des recruteurs	Les recruteurs triaient, contactaient et relançaient chaque candidat manuellement	Maya prenait en charge toute la communication et la présélection initiales ; les recruteurs ne voyaient que les profils qualifiés
Délai pour l’entretien	5–7 jours entre la candidature et la programmation de l’entretien	1 jour entre le premier contact et l’entretien confirmé
Coût par entretien	$37 en moyenne	$13 par entretien en 2 mois — 65 % de réduction de coût
Expérience candidat	Communication décousue ; fort taux d’abandon	92 % des candidats pensaient que Maya était humaine ; meilleur taux de présence et expérience plus fluide
Implication des recruteurs	Charge de travail élevée, peu de valeur ajoutée	Les recruteurs se concentraient uniquement sur les candidatures valides, améliorant efficacité et moral
Taux d’embauche	Conversion floue, processus retardé	70 % de taux d’embauche parmi les candidats traités par Maya

4. Intégration avec Tonkean

Une équipe RH d'une entreprise mondiale avait du mal à offrir un onboarding rapide et personnalisé, en particulier pour les travailleurs intérimaires comme les sous-traitants. Les processus RH manuels impliquaient qu'il fallait souvent plus de 20 jours (et parfois plus de 30) simplement pour fournir aux nouvelles recrues tous les outils, accès et systèmes nécessaires, retardant ainsi la productivité et sapant l'objectif d'un recrutement rapide.

En plus de cela, la qualité de l'intégration était incohérente, standardisée, et elle imposait aux managers et aux nouveaux employés une surcharge logistique et informationnelle, ayant un effet négatif sur l'expérience collaborateur et l'engagement dès le premier jour.

Les employés étaient censés "s'auto-former" grâce à des ressources sur des intranets ou des portails de formation, souvent sans suffisamment de contexte ou de structure pour un véritable apprentissage.

La stratégie IA

L'entreprise a collaboré avec Tonkean, une plateforme qui orchestre les opérations RH grâce à des agents IA et des algorithmes d'apprentissage automatique. Pour l'onboarding, Tonkean a :

• Surveillé les déclencheurs dans les outils SIRH (comme Workday ou Rippling) pour détecter les nouvelles embauches, les changements de poste ou les anniversaires professionnels.
• Automatisé les workflows afin de lancer de manière proactive des séquences d'intégration personnalisées en fonction du poste, du lieu et de l'équipe de l'employé.
• Généré du contenu d'intégration sur mesure en puisant dans des ressources internes non structurées comme des présentations, documents RH, guides sur les avantages sociaux et transcripts de formations grâce au traitement automatique du langage naturel, transformant des jeux de données épars en expériences d'apprentissage cohérentes (ceci étant aussi un bénéfice majeur des plateformes d'expérience d'apprentissage).
• Utilisé des agents IA pour interagir avec les responsables du recrutement via Slack ou Teams et co-créer des plans personnalisés sur 30/60/90 jours en langage naturel, permettant des décisions plus éclairées sur le développement et les trajectoires de carrière des employés.
• Permis l’interaction avec des agents en direct via les réponses par email ou des portails intégrés, afin que les nouvelles recrues puissent poser des questions telles que « Où puis-je m’inscrire aux avantages sociaux ? » et obtenir instantanément des réponses approuvées, exactes et contextuelles, basées sur les données personnelles et les outils RH spécifiques à l’entreprise.
• Pris en charge les FAQs (par exemple, congé maternité, périodes d'inscription) de façon anonyme via des interfaces conversationnelles afin de réduire la friction et de préserver la confidentialité des collaborateurs.

L’IA a été utilisée à la fois de manière proactive (déclenchement de plans) et réactive (réponses aux questions), créant une expérience collaborateur fluide, personnalisée et de haute qualité tout en réduisant les tâches RH répétitives.

Les résultats

• Le temps d'intégration pour les sous-traitants est passé de 20–30 jours à moins de 5 jours en moyenne.
• Les employés ont indiqué que l'intégration semblait très personnalisée, comme si « 3 à 4 personnes y avaient travaillé »—alors que l’IA réalisait la majorité du travail.
• Des scores CSAT (satisfaction des employés) plus élevés pour l'intégration grâce à une meilleure clarté, une rapidité accrue et une intégration culturelle facilitée, stimulant directement l’engagement collaborateur.
• La perception de l’IA a évolué : d’accélérateur de tâches à multiplicateur de qualité. Le plus grand ROI n’a pas été la vitesse, mais la capacité à offrir une meilleure expérience collaborateur sans augmenter les effectifs.

À retenir pour les dirigeants

L’orchestration avec l’IA a transformé l’intégration d’une simple checklist manuelle en un parcours stratégique, évolutif et centré sur l’humain. En combinant intégrations de données, agents génératifs et implication humaine, cette entreprise a offert une expérience d’intégration personnalisée à grande échelle, améliorant la productivité, la performance et la rétention des employés dès le premier jour.

À surveiller

Pour que tout le monde comprenne bien : on ne peut pas simplement ajouter une couche d’IA à d’anciens workflows ! La mauvaise gestion des attentes est le plus grand risque. L’IA impose de repenser la façon dont on définit la « précision », la responsabilité et le succès.

Et il ne faut pas s’attendre à des résultats déterministes : l’IA donnera souvent des réponses différentes — mais tout aussi valables. Les professionnels RH doivent adapter leurs méthodes de validation et d’approbation des résultats.

Parole d’expert (avec conseils)

Sagi Eliyahu, cofondateur et PDG de Tonkean, a déclaré :

Quand on intègre des nouvelles recrues venant de plus de 10 pays, dans différents départements, et que la moitié sont des sous-traitants, il est quasiment impossible de réussir une intégration manuelle. Ce que nous avons observé ici, ce n’était pas seulement plus rapide, c’était une intégration où l’on avait vraiment l’impression que quelqu’un avait réfléchi à votre poste, votre localisation, votre équipe. Et la majeure partie était assurée par l’IA.

L’intégration personnalisée est un avantage stratégique. Si vous souhaitez :

• Réduire le temps de montée en compétence des sous-traitants de 30 à 5 jours…
• Fournir automatiquement des informations sur les avantages selon la région ou le poste…
• Générer des plans personnalisés 30/60/90 sans surcharger les managers…

Alors :

• Intégrez l'orchestration dans les processus existants (email, Slack, SIRH—pas seulement de nouveaux outils)
• Misez sur la qualité, pas seulement sur l'efficacité—l'IA ouvre la voie aux deux
• Préchargez le système avec des formats de contenu variés (présentations, transcriptions, documents)
• Laissez les RH définir les « réponses approuvées » et entraîner les agents IA avec des garde-fous contextuels
• Alignez les RH, l'informatique et la direction sur une nouvelle définition de « fonctionne comme prévu »

Avant vs Après : Anonymous Enterprise + Tonkean

Domaine d'action	Avant l’IA	Après l’IA
Délais d'intégration	20 à 30+ jours pour que les sous-traitants soient complètement opérationnels	<5 jours de moyenne pour finaliser l'intégration des sous-traitants
Qualité de l'intégration	Générique, décousue, obligeait souvent les nouveaux à s’auto-orienter dans les supports d’onboarding	Plans personnalisés par IA selon le poste, le lieu, l’équipe ; ressenti « comme si 3-4 personnes y avaient travaillé »
Charge du manager	Les managers créaient manuellement des plans d'intégration, souvent bâclés ou oubliés	Prompts Slack/Teams utilisés pour co-créer les axes majeurs des 30 premiers jours
Accès à l’information	Les employés devaient chercher dans l’intranet ou contacter les RH par email	Agents IA délivrant instantanément des réponses contextuelles, approuvées et anonymisées
Efficacité	Forte charge manuelle et temps de formation élevé	Lecture documentaire remplacée par des agents interactifs utilisant le contenu interne réel (présentations, guides, etc.)
Scalabilité	Expériences d’intégration inégales, particulièrement selon la région	Intégration cohérente et évolutive pour tous les postes et lieux

5. Transformation BPO pilotée par CogNet + IA

L'un des clients BPO de CogNet—une agence nationale de recrutement—était prisonnier d’un cycle coûteux, lent et très manuel de rapprochement financier.

Chaque mois, ce client revendait ses factures à un partenaire de financement. Mais avant que la trésorerie ne soit débloquée, le partenaire exigeait un rapprochement détaillé entre ce qu'il pensait devoir payer (au vu des anciens accords) et ce qu'il devait réellement—un décalage classique entre les factures internes et les relevés formalisés en externe.

Le problème ? L’équipe interne rapprochait à la main des PDF de plusieurs millions de lignes et des fichiers Excel mal structurés, avec un comptable payé plus de 90 000 $/an en rémunération totale. Rien que le rapprochement prenait plus de 16 heures chaque mois, uniquement pour identifier les écarts. Sans compter le suivi des différences qui retardait la trésorerie et réduisait la capacité du service financier à réaliser des analyses à plus forte valeur ajoutée.

Chez d'autres clients et dans d’autres fonctions, CogNet observait le même phénomène : des talents très qualifiés occupés à des « tâches ingrates » certes importantes, mais sans effet transformateur sur les RH ou l’activité principale.

L’approche IA

CogNet a adopté une approche « Texas Two-Step » exploitant l’apprentissage automatique et le traitement du langage naturel pour optimiser ce processus vital :

Étape 1 : Arbitrage de coût BPO
Le client a d’abord transféré le rapprochement « tel quel » à CogNet, où des analystes offshore pouvaient effectuer la même tâche manuelle à un tarif bien inférieur (~11,50 $/heure). Rien que cela a réduit le coût de 692,31 $ à 184 $ par cycle de rapprochement—soit 276 % d’économies.

Étape 2 : Orchestration IA appliquée
Puis, CogNet a bâti une couche d’automatisation intégrant l’humain, avec des algorithmes et un Large Language Model (LLM) pour comparer des documents de formats multiples (PDF, Excel, CSV) et analyser les données employé plus efficacement.

Au lieu de demander aux humains d’identifier ligne à ligne les écarts, le LLM signalait les différences en quelques secondes, permettant des décisions plus éclairées et une analyse supérieure. Désormais, l’analyste CogNet n’avait plus besoin que de deux heures pour vérifier et remonter les écarts réels, transformant un processus à 692 $ en un processus à 30 $, preuve d’une économie majeure.

Surtout, la couche d’orchestration de CogNet permet d’alterner différents agents IA (ex : ChatGPT, Claude) selon la tâche, l’exposition réglementaire (PHI, données de paie, etc.) et la politique client. Ce design modulaire facilite l’adoption de l’automatisation sans sacrifier la conformité, tout en gérant la diversité des jeux de données.

Résultats obtenus

• Temps du processus de rapprochement passé de 16 heures à seulement 2 heures
• Coût réduit de 692,31 $ à 30 $ par cycle—baisse de 2 208 %
• Vitesse du processus accrue, permettant d’identifier les écarts et de récupérer la trésorerie en moins de 24 h
• Le comptable a été redéployé vers des missions stratégiques comme l’analyse de rentabilité, au lieu de labeur sur Excel
• Les clients commencent à repenser le BPO non plus comme de l’arbitrage de main-d’œuvre, mais comme une transformation des processus par l’IA pour les RH et au-delà

À partir de là, CogNet a répliqué ce modèle de « économies à coups de petites améliorations » sur des dizaines de flux de travail à haute fréquence pour plusieurs clients, transformant la manière dont les équipes RH, paie et comptabilité abordaient les opérations externalisées.

À retenir pour les dirigeants

CogNet n’a pas seulement appliqué l’IA pour réduire les coûts, il a redéfini la proposition de valeur de l’externalisation des processus métier (BPO). En combinant une automatisation sans friction avec une approche orientée service, ils ont aidé les clients à récupérer des heures, réduire le gaspillage et réinvestir le personnel dans des tâches à plus forte valeur ajoutée.

L’innovation ne résidait pas que dans la technique, mais aussi dans le contrat. La volonté de CogNet de partager la valeur via une tarification basée sur la performance a aidé les clients à évoluer d’une mentalité de « fournisseur » à celle de « partenaire », ce qui est particulièrement précieux lors du lancement de nouvelles initiatives dans les processus RH.

Alerte rouge

La technologie seule ne suffit pas à instaurer la confiance. Un client a d’abord résisté à l’IA pour des raisons de conformité et de méconnaissance des LLM. Le déclic est venu d’un pilote peu sophistiqué utilisant des données factices d’employés, qui a néanmoins surpassé les efforts manuels, prouvant ainsi la valeur avant de demander l’adhésion.

Parlons franc (avec conseil)

John Sansoucie, PDG de CogNet, a un conseil simple.

La plupart des entreprises pensent que l’automatisation commence par une grande transformation, mais en réalité, le moyen le plus rapide de prouver la valeur est d’améliorer ce qui fonctionne déjà. Nous partons de l’existant, obtenons des victoires rapides, puis nous intégrons l’IA pour faire encore mieux.

Si vous passez votre temps à rapprocher des PDF avec des tableurs et payez 700 $ par cycle pour le faire, ce n’est pas un problème de personnes, c’est un problème de processus.

Vous voulez passer à l'échelle avec l’IA ? Voici ce que CogNet a bien fait :

• Commencez par transférer les processus « tels quels » pour libérer les talents
• Ajoutez ensuite l’automatisation, en ciblant les tâches structurées comme la comparaison, la classification et l’acheminement
• Construisez des flux IA qui complètent sans remplacer. Affectez les cas particuliers aux humains
• Définissez les attentes : les LLM ne donnent pas toujours la même réponse, mais fournissent souvent des réponses valides
• Mesurez le ROI en temps humain économisé, pas seulement en effectif réduit, en suivant les indicateurs clés

Avant vs Après : Rapprochement client Staffing avec CogNet

Domaine ciblé	Avant IA	Après IA
Flux de rapprochement	Processus manuel de 16 heures avec PDF et tableurs Excel	L’IA signale les écarts en quelques secondes, avec seulement 2 heures de revue humaine
Coût par rapprochement	692,31 $ par cycle (basé sur un Comptable à 43 $/h)	~30 $ par cycle (workflow externalisé + IA)
Délai de trésorerie	Retards de paiement dus à la longueur du cycle de rapprochement	Délai de résolution réduit à 24 h permettant une résolution plus rapide des litiges et un encaissement accéléré
Utilisation des talents	Les talents à haute valeur passent des heures en copier-coller et correspondance manuelle	Le comptable se consacre désormais à la rentabilité et à l’analyse financière stratégique
Scalabilité du BPO	Scalabilité linéaire avec l’effectif	Scalabilité non linéaire avec l’IA, permettant à CogNet de gérer plus de processus sans augmenter le nombre d’analystes

6. Customer.io + Workflows Slack alimentés par l’IA et GPT

Customer.io, une entreprise 100% distribuée opérant dans plus de 30 pays, a découvert que son modèle asynchrone, bien que productif, laissait les nouveaux employés désorientés. L’onboarding manquait de structure, et les managers tardaient souvent à formuler des attentes claires ou des plans d’intégration, ce qui nuisait à l’expérience des employés.

Les nouveaux collaborateurs décrivaient couramment leurs débuts comme « se débrouiller seuls », entraînant un ralentissement de la productivité et une dilution de la culture d’entreprise — impactant in fine leur engagement comme leurs performances.

En l’absence de bureau central ou de points de contact en présentiel, l’entreprise avait besoin d’une solution évolutive pour rendre l’onboarding à la fois clair et fédérateur, sans alourdir les managers déjà sollicités ni perturber les autres fonctions RH critiques.

L’approche IA

Customer.io a mis en place une série de workflows boostés à l’IA, exploitant le traitement du langage naturel pour offrir structure et cohérence à l’intégration, tout en maintenant la flexibilité de sa culture à distance.

1. Slack + ChatGPT : Plans 30-60-90 jours sur-mesure pour chaque rôle

Pour combler le manque de clarté, l’équipe a développé un workflow personnalisé intégrant ChatGPT et Slack afin d’aider les managers à générer rapidement des plans d’intégration sur 30, 60 et 90 jours, adaptés à chaque fonction.

Ce système a permis de réduire drastiquement le temps de création de ces plans — de 30 à 50% estimés — tout en améliorant l’alignement entre nouvelles recrues, managers et objectifs business, favorisant ainsi des décisions plus éclairées en matière de développement des collaborateurs.

2. Responsabilisation des managers avec co-conception des partenaires métiers

Plutôt que de laisser ChatGPT agir seul, les partenaires métiers ont travaillé aux côtés des managers pour affiner le contenu d'intégration généré par l'IA, garantissant que le ton, les attentes et les objectifs de développement correspondaient à la culture de Customer.io. Cet équilibre entre automatisation et curation humaine a aidé les managers à adopter le workflow sans sacrifier la confiance.

3. Construction d'une culture IA grâce à la visibilité

Pour renforcer l'adoption dans l'ensemble des processus RH, Customer.io a créé un canal Slack dédié #AI-wins, où les employés partagent des cas d'usage réussis—aidant à normaliser l'expérimentation et à augmenter l'adhésion interne. Cela a conduit à un taux d'engagement interne avec l'IA supérieur à 90 %, selon le suivi interne.

Les résultats

• Réduction de 30 à 50 % du temps passé à rédiger les plans d'intégration
• Clarté accrue de l'intégration reflétée dans les enquêtes de satisfaction post-intégration, avec de meilleurs indicateurs d'expérience employé
• Plus de 90 % des employés utilisent activement l'IA dans leurs workflows, témoignant d'un fort engagement envers la nouvelle technologie
• Meilleur alignement précoce entre les nouvelles recrues et les résultats business, générant une productivité plus rapide et une performance accrue des employés

À retenir pour les dirigeants

Customer.io a renforcé la clarté managériale à grande échelle. En intégrant des workflows alimentés par GPT dans Slack et en les associant à la supervision humaine réfléchie des professionnels RH, ils ont accéléré la productivité des nouveaux embauchés sans perdre la subtilité de la gestion humaine.

Alerte rouge

Des workflows IA, s'ils ne sont pas affinés, peuvent paraître robotiques ou génériques. Customer.io a évité cela en veillant à ce que les partenaires métiers co-conçoivent les prompts, et que les managers relisent les résultats de l'IA avant de les transmettre aux nouveaux arrivants, conservant ainsi l'élément humain essentiel à l'engagement des salariés.

Parlons vrai (avec conseils)

Jen Fong, Chief People Officer chez Customer.io, avait une vision claire de la façon dont l'IA pouvait aider.

Les nouveaux embauchés disaient : « J'essaie encore de comprendre. » Nous avions besoin d'un moyen évolutif de les faire passer de là à « Je sais à quoi ressemble le succès ».

L'IA n'intégrera pas vos collaborateurs à votre place—mais elle peut vous aider à le faire mieux.

• Utilisez GPT pour structurer le plan, puis laissez les managers y ajouter accompagnement et nuance.
• Ne donnez pas juste un outil aux managers—accompagnez-les dans l'art de formuler et d'éditer efficacement, y compris avec des formations si besoin.
• Démarrez petit : les plans d'intégration sont un terrain peu risqué et très valorisant pour développer l'agilité IA dans les fonctions RH.

Avant vs Après : L'intégration chez Customer.io avec l'IA

Domaine clé	Avant l'IA	Après l'IA
Clarté pour les nouveaux embauchés	Attentes floues ; plans d'intégration incohérents	Tableaux 30-60-90 générés par GPT plus rapides et mieux alignés avec les objectifs
Charge des managers	Création manuelle de plans d'intégration fastidieuse	Temps réduit de 30 à 50 % grâce aux workflows assistés par l'IA
Culture d'adoption de l'IA	Période d'exploration initiale	Plus de 90 % des employés utilisent l'IA régulièrement ; suivi via le canal Slack
Homogénéité de l'intégration	Plans très variables en ton et en détail	Structure standardisée avec personnalisation humaine possible

7. Landing Point + Workflows IA intégrés

Landing Point, cabinet de recrutement et d'intérim, faisait face à un frein classique à la productivité : les recruteurs perdaient des heures chaque semaine sur des tâches administratives manuelles. Les goulots d'étranglement majeurs comprenaient :

• Mise en forme des CV
• Rédaction de biographies de candidats
• Relecture et amélioration des descriptions de poste

Bien que mineures individuellement, ces tâches s'accumulaient et représentaient 3 à 4 heures par recruteur chaque semaine. Dans le même temps, certains recruteurs commençaient à expérimenter des outils d'IA générative publics, soulevant des inquiétudes de sécurité et de confidentialité autour des données sensibles des employés.

L'entreprise avait besoin d'une solution à la fois efficace et conforme aux exigences de sécurité d'entreprise, tout en optimisant les processus RH essentiels.

L'approche IA

L'approche de Landing Point s'est axée sur des workflows IA intégrés et sécurisés, alimentés par des algorithmes d'apprentissage automatique adaptés au quotidien des recruteurs :

1. IA intégrée directement dans l'ATS

Au lieu de demander aux recruteurs d’apprendre de nouveaux outils, Landing Point a intégré des fonctionnalités d’IA alimentées par GPT directement dans leur système de gestion des candidatures (ATS) en utilisant le traitement du langage naturel — créant ainsi des outils RH intégrés. Cela a permis aux professionnels des RH de :

• Mettre en forme les CV en environ 3 minutes (contre 10 à 20 minutes), automatisant ainsi l’étape de présélection
• Rédiger des biographies de candidats en environ 1 minute (contre 15 minutes)
• Optimiser automatiquement les annonces d’emploi

Résultat : 3 à 4 heures économisées par recruteur, chaque semaine, leur permettant de se concentrer sur des missions RH à plus forte valeur ajoutée. Ces gains de temps se sont traduits directement par des économies, puisque l’équipe pouvait traiter davantage de volume sans augmenter ses effectifs.

2. Chatbot privé à usage interne

Pour offrir aux recruteurs un copilote IA plus complet, l’équipe a déployé un chatbot personnalisé hébergé dans leur environnement AWS, protégé par SSO et des journaux d’audit. Les requêtes et réponses étaient stockées en toute sécurité, et les modèles comme OpenAI et Gemini tournaient avec zéro conservation de données, protégeant ainsi les informations des employés.

Ce « bac à sable IA sécurisé » permettait aux recruteurs de générer des notes de recherche ou de synthétiser les données sur les candidats sans compromettre la confidentialité, leur permettant ainsi de prendre des décisions plus éclairées sans mettre en péril la sécurité.

3. Garde-fous et gouvernance intégrés

Des incidents précoces d’hallucination ont conduit à des mesures strictes. Par exemple, lorsqu’un recruteur a sauté l’étape de relecture humaine, un client a détecté des compétences inexactes chez un candidat. Landing Point a alors réagi en :

• Affinant les requêtes
• Rendant la validation humaine obligatoire
• Testant les workflows à travers un « AI Think Tank » interne

Ils ont également abandonné les outils peu adoptés, comme le générateur d’e-mails types, pour privilégier ceux qui préservent la personnalisation et améliorent l’expérience collaborateur — un point critique pour entretenir les relations dans le recrutement.

Les résultats

• Le délai pour soumettre un premier candidat est passé de 3–6 heures à moins de 30 minutes
• Le taux d’erreur sur les CV est tombé de 3–4% à moins de 1%, améliorant ainsi la qualité
• 3–4 heures par recruteur et par semaine libérées grâce à la suppression des tâches de mise en forme manuelles
• L’adoption a grandi naturellement avec des outils intégrés et des prompts ajustés directement dans l’application
• Déploiement rentable, avec une infrastructure IA coûtant en moyenne ~$200/mois et un ingénieur IA

À retenir pour les dirigeants

Landing Point n’a pas cherché l’automatisation tape-à-l’œil, mais s’est concentré sur les réels points de friction des workflows. En intégrant l’IA là où les équipes travaillaient déjà et en mettant en place des garde-fous dès le début, ils ont obtenu un ROI mesurable sans compromettre la confiance ni la confidentialité des données sensibles des employés.

Voici une étude de cas d’« IA invisible » : légère, peu coûteuse et très efficace — donnant aux recruteurs l’opportunité de passer de la mise en forme à la création de relations tout en optimisant les principaux processus RH.

Signal d’alerte

Si la vérification humaine est omise, même une IA bien conçue peut introduire des erreurs (compétences de candidat inventées, par exemple). Un oubli au début a presque compromis la confiance d’un client.

Landing Point a résolu ce problème en rendant obligatoire la supervision humaine, en intégrant l’affinage des prompts dans le circuit qualité, et en renforçant la culture de responsabilité autour de l’IA, garantissant que les RH restent responsables de toutes les productions.

Parlons concret (avec conseils)

L’IA ne remplacera pas les recruteurs, mais elle peut leur rendre des heures précieuses. Selon Faizel Khan, Ingénieur IA principal chez Landing Point, le succès dépend de quelques principes :

• Les outils sont intégrés là où les gens travaillent déjà
• La sécurité et la conformité sont prévues dès le départ
• On corrige ce qui dysfonctionne — et on retire ce qui n’est pas utilisé
• La gouvernance n’est pas une surcharge — c’est une logique produit

Cette expérience ne concerne pas l’automatisation complète du recrutement. Il s’agit de libérer les recruteurs humains pour qu’ils se concentrent sur ce qu’ils font de mieux : établir des relations et exercer leur jugement. En démarrant tôt, en ciblant les frictions en back-office et en apprenant des succès comme des erreurs, nous avons montré que l’IA pouvait avoir un impact réel sans compromettre la sécurité ou la confiance.

Avant / Après : intégration IA chez Landing Point

Domaine d'intervention	Avant l’IA	Après l’IA
Charge administrative manuelle	Les recruteurs perdaient 3 à 4 heures/semaine sur les bios, CV et rédaction d'offres	Tâches réduites à ~5 minutes chacune ; économie de 3 à 4 heures/semaine par recruteur
Sécurité & conformité	Les recruteurs utilisaient ponctuellement des outils publics, soulevant des préoccupations sur la confidentialité des données	Chatbot entièrement sécurisé avec SSO, journaux d’audit et utilisation d’un modèle sans rétention
Vitesse de soumission	3 à 6 heures pour envoyer le premier candidat	Premiers candidats soumis en moins de 30 minutes
Exactitude des CV	~3–4 % de taux d’erreur, principalement des problèmes de mise en forme ou des inadéquations	<1% de taux d’erreur, avec une meilleure satisfaction candidat-client
Culture d’adoption	Premiers essais avec peu de structure	Adoption généralisée via l'intégration ATS, la formation, et la gouvernance interne du « Think Tank IA »
Coût d’exploitation	Non spécifié	200 $/mois d’infrastructure et 1 ingénieur IA gérant tout le déploiement

8. Integrity Staffing + ConverzAI « Recruteur Jamie »

Dans le recrutement à gros volume, la rapidité est primordiale. Les candidats postulant à des postes industriels légers et en entrepôt déposent souvent plusieurs candidatures simultanément, ce qui laisse aux recruteurs une fenêtre étroite de quelques heures pour établir un contact significatif avant que les candidats ne deviennent injoignables.

Mais les équipes de recrutement d’Integrity Staffing étaient bloquées :

• Le pré-dépistage manuel consommait des heures chaque jour
• Les recruteurs n’arrivaient pas à contacter chaque candidat assez vite
• Des candidats qualifiés passaient entre les mailles du filet
• Les budgets explosaient alors que les équipes compensaient avec plus d’annonces sur les sites d’emplois

Cela menait à une expérience négative pour les candidats, un épuisement des professionnels RH et des coûts intenables. L’équipe devait trouver un moyen d’augmenter la personnalisation des échanges candidats sans recruter davantage ni utiliser des automatisations impersonnelles qui détérioreraient encore l’engagement.

L’approche IA

Integrity Staffing a déployé ConverzAI, un recruteur virtuel dopé à l’IA, surnommé « Recruteur Jamie », conçu pour engager automatiquement, à grande échelle, les candidats en temps réel grâce au traitement du langage naturel et aux algorithmes d’apprentissage automatique.

Fonctions de Recruteur Jamie :

• Contacte les candidats dans les 15 minutes suivant leur candidature dans l’ATS (Bullhorn)
• Prend contact par SMS, téléphone ou e-mail, selon les préférences du candidat
• Effectue un pré-dépistage structuré couvrant :
  • Expérience professionnelle
  • Localisation
  • Disponibilité
  • Attentes salariales
  • Besoins spécifiques au poste
• Classe les candidats comme :
  • Intéressé
  • Non compatible
  • À relancer
• Transfère les profils qualifiés aux recruteurs humains, qui se concentrent ainsi uniquement sur les candidats engagés, ce qui permet des choix mieux informés sur où investir leur temps et automatise la présélection chronophage des CV

Jamie opère sur les heures ouvrées habituelles (8h-20h locales), mais poursuit l’engagement par SMS et e-mail 24h/24. Les notes sont enregistrées directement dans l’ATS pour un passage de relai immédiat, assurant ainsi une circulation fluide des données employés au service RH.

Les dirigeants d’Integrity Staffing rapportent que cette adoption de l’IA a transformé leur position concurrentielle en acquisition de talents.

Les résultats

De janvier 2024 à juillet 2025, Jamie a contacté plus de 66 000 candidats, générant des résultats concrets et multidimensionnels sur les indicateurs clés :

• +76 % de placements au total
• +80 % d’embauches de candidats ayant postulé en direct
• Amélioration de 55 % de l’efficacité des recruteurs (plus de placements par recruteur)
• Le temps de réponse des candidats est passé de plusieurs jours ou semaines à moins de 15 minutes, améliorant spectaculairement l’expérience employé
• Budget publicitaire réduit de plus de 75 % sur certains marchés
• Taux de désinscription candidat inférieur à 0,5 %, signe d’un bon accueil de l’IA (seuls 311 sur 66 391 candidats ont refusé l’échange avec l’IA)

L’avis de la direction

L’IA n’a pas seulement augmenté l’efficacité, elle a changé le rythme du recrutement. En contactant les candidats en quelques minutes, Jamie inverse la donne : au lieu de courir après des « leads » froids, les recruteurs concentrent leurs efforts sur des profils réellement intéressés.

Le résultat ? Une meilleure expérience pour les candidats, des recrutements plus rapides, des coûts réduits, et des recruteurs déchargés des tâches ingrates pour se concentrer sur la mise en relation à forte valeur ajoutée.

Signal d'alerte

Au début, les recruteurs craignaient que Jamie paraisse robotique et nuise à l’engagement des employés. Mais lorsque les données pilotes ont montré que 87% des candidats étaient intéressés et que moins de 0,5% repoussaient l’outil, le scepticisme s’est vite estompé.

Ce qui a changé la donne, c’est la démonstration que l’IA n’était pas une menace—mais un coéquipier qui permettait aux professionnels RH de briller.

Parole vraie (avec conseils)

Cela n’a pas été un succès clé en main. Les bons résultats sont venus grâce à une gestion structurée du changement et des initiatives stratégiques :

• Intégrez l’IA dans les procédures standard — pas comme une option supplémentaire
• Formez les recruteurs dès le début à collaborer avec l’IA via des programmes de formation dédiés
• Maintenez les recruteurs informés pour qu’ils aient confiance dans les relais de tâches
• Utilisez les données pilotes pour apaiser le scepticisme et renforcer la confiance interne
• Créez des boucles de retour pour améliorer continuellement interactions et intégrations

Avant vs Après : Integrity Staffing + ConverzAI

Domaine	Avant l’IA	Après l’IA
Délai d'engagement	Jours (parfois semaines) ; relances à froid	<15 minutes en moyenne de la candidature au premier contact
Conversion des candidats	De nombreuses candidatures restaient sans suite ; recrutement direct à la traîne	+80% d’embauches directes en plus après présélection par IA
Efficacité des recruteurs	Temps passé à relancer, démarcher à froid et filtrer manuellement	+55% de gain de productivité pour les recruteurs
Volume de placements	Recruteurs débordés par le volume ; entonnoir insuffisant	76% de placements en plus grâce à un entonnoir accéléré et filtré
Sentiment des candidats	Engagement inégal ; relances sans réponses	Taux d’engagement de 87%, <0,5% de rejet de l’interaction IA
Dépenses publicitaires	Dépenses élevées sur les sites d’emploi pour relancer la prospection	Jusqu’à 75% de baisse des coûts publicitaires
Charge & stress	Recruteurs saturés, submergés	Les recruteurs n’interviennent qu’auprès de candidats qualifiés et motivés
Confiance & conformité	Risque d’incohérence dans l’approche et le filtrage	Scripts standardisés et revus, intégration ATS garantissant l’équité

Conditions de réussite

• Soutien des dirigeants dès le début
• Formation intégrée lors de l’onboarding
• Intégration simple à l’ATS (Bullhorn) et possibilité d’écriture en retour
• Mise à jour des SOP pour faire de l’IA la règle, pas l’exception
• Boucles de retour régulières pour ajuster les échanges et traiter les problèmes

Pièges à éviter

• N’imaginez pas d’emblée que les candidats vont rejeter l’IA — laissez les données parler
• Ne négligez pas l’accompagnement du changement — l’adoption dépend d’une évolution culturelle
• Ne laissez pas les recruteurs se sentir remplacés — rappelez que l’IA les aide à jouer sur leurs points forts

9. FORE Enterprise + Hackathon IA

FORE Enterprise, architecte de solutions IA accompagnant des clients dans la finance, les franchises sportives, les logiciels, les services de données et la mode de luxe, est reconnu pour relever des défis métier complexes grâce à des applications IA intelligentes et évolutives.

Mais en interne, l’équipe voulait tester sa propre rapidité : pouvaient-ils bâtir des fonctionnalités prêtes pour leurs clients—propulsées par l'IA—plus rapidement, avec moins de ressources, sans sacrifier la qualité ?

Le scénario : créer une fonctionnalité opérationnelle pour un produit de sourcing de deals aidant les clients à trouver, classer et analyser des prospects futurs à l’aide d’un large modèle de langage (LLM). D’habitude, le développement nécessite une semaine (avec IA) ou un mois (sans). Pourraient-ils y arriver en 24 heures ?

La réponse est venue lors d’un hackathon IA en interne, et les résultats ont été transformateurs, montrant à quel point l’IA pouvait accélérer le développement tout en maintenant le niveau d’exigence qualité.

L’action IA

FORE a organisé un hackathon IA de 24 heures, répartissant l’ensemble du personnel en équipes pluridisciplinaires avec un objectif unique :

Utiliser l’IA pour concevoir une fonctionnalité qui facilite le sourcing de deals avec un LLM et la présenter en direct à un client en moins d’une journée.

Principaux outils et méthodes IA utilisés :

• Cursor : Environnement de programmation natif IA avec suggestions de code en ligne et préparation des commits
• Claude + ChatGPT : Pour générer de petits blocs de code ciblés, analyser des schémas et gérer la logique en utilisant le traitement du langage naturel
• « Mentalité d'éditeur » : Plutôt que de laisser l'IA faire ce qu'elle veut, les équipes l'ont utilisée en copilote, générant le code par petites étapes, puis éditant et validant à chaque phase pour optimiser les résultats
• Exigences pour la démo en direct : Chaque fonctionnalité devait être testable, visuelle et explicable en termes compréhensibles pour le client

Les Résultats

• Le temps de développement s'est effondré passant d'une semaine à une journée pour les fonctionnalités clés du produit
• 100 % des fonctionnalités développées par l'IA ont été approuvées par le client pour une mise en œuvre complète
• La vélocité d’ingénierie a bondi de ~5 000 commits mensuels à 30 000, indiquant une plus grande productivité sans code inutile — une amélioration spectaculaire des indicateurs clés de performance
• Les équipes ont appris à faire confiance à l’IA pour gagner du temps tout en développant un jugement affiné concernant les moments où il faut la guider ou la surpasser

Conclusion pour les dirigeants

Les outils d’IA seuls ne rendent pas plus rapide, la structure oui. En donnant aux équipes un temps imparti serré, des objectifs de fonctionnalités décomposés et une totale liberté d’utiliser l’IA comme partenaire créatif, FORE a permis un déploiement rapide sans compromis sur la qualité.

Les hackathons ne sont pas de simples gadgets. Pour les petites entreprises, ce sont des moteurs d’apprentissage compressés qui développent les compétences de l’équipe tout en livrant de la valeur, ce qui en fait des initiatives stratégiques offrant un retour sur investissement immédiat.

Signal d’alerte

Le code généré par l’IA n’est pas infaillible. Lors des premiers essais, des outils comme Claude ont mal interprété des références d’objets, créé des divergences de schéma ou halluciné des couches de complexité inutiles. Laisser le modèle tourner trop longtemps sans points de contrôle a entraîné une accumulation excessive de commits et des lacunes logiques.

Vérités et conseils pratiques

L’IA ne remplace pas les développeurs—elle accélère les meilleurs et révèle le manque de rigueur chez les autres. Tyler Hochman, fondateur et PDG de FORE Enterprises, a partagé quelques enseignements.

Nous avons continuellement appris des leçons sur la manière dont les outils fonctionnent. Les outils cherchent à tout compliquer, ce qui peut être un écueil. Si vous donnez à l’outil une tâche ouverte, comme « implémente cette fonctionnalité », il ne s’en sort pas très bien, mais si vous décomposez la tâche en A, B, C et D, et vérifiez chaque étape, il s’en sort beaucoup mieux.

Leçons retenues :

• Ne laissez pas l’IA gérer de grandes tâches ouvertes. Décomposez tout en parties claires et testables.
• Validez toujours la compréhension du schéma. Le modèle peut ne pas reconnaître vos structures de données nativement.
• L’intervention humaine reste cruciale. L’IA donne le meilleur d’elle-même quand son résultat est traité comme une ébauche à retravailler.

Avant vs Après : Hackathon IA chez FORE Enterprise

Zone d’intérêt	Avant l’IA	Après l’IA
Vitesse de développement des fonctionnalités	~1 semaine par fonctionnalité (ou 1 mois sans IA)	1 jour par fonctionnalité via code assisté par IA + structure hackathon spécialisée
Taux d’approbation client	Variable, dépendant de l’itération et du contrôle qualité	100 % d’approbation des fonctionnalités issues du hackathon
Productivité d’ingénierie	~5 000 commits mensuels	30 000 commits mensuels après la mise en œuvre IA
Coût de l’expérimentation	Élevé—nécessitait des cycles complets de sprints développeurs	Faible—24 h de travail structuré par équipe et par fonctionnalité
Adoption de l’IA par l’équipe	Exploration informelle ; faible confiance dans les modèles	Adoption forte, confiance accrue et montée en compétence grâce à la collaboration
Gestion des risques IA	L’IA complique tout, comprend mal le schéma	Risque atténué via consignes pas à pas + édition humaine

10. Smartbridge + Agent IA pour le recrutement

Une entreprise de taille moyenne dans le secteur des services pétroliers et gaziers (500–1 000 employés) avait du mal à recruter efficacement à grande échelle. Les recruteurs passaient trop de temps à sourcer, évaluer et relancer les candidats manuellement—souvent en se fiant à des heuristiques et à l’intuition, ce qui introduisait délais et biais dans le processus de recrutement.

Avec plusieurs recruteurs gérant de gros volumes à travers plusieurs sites, l’entreprise faisait face à trois besoins pressants :

• Réduire le délai d'embauche pour éviter la perte de productivité et améliorer l’expérience employé
• Standardiser les décisions d’embauche pour gagner en cohérence et réduire les biais, en s’appuyant sur une prise de décision plus data-driven
• Dégager du temps pour les RH afin qu’ils puissent se focaliser sur la relation candidats—et non plus seulement la gestion de flux

La stratégie IA

Pour transformer le processus, l'entreprise s'est associée à Smartbridge, un cabinet de conseil en transformation numérique, afin de déployer un copilote de recrutement sur mesure alimenté par l'IA générative.

Cet outil d'IA agentique a été conçu pour s'intégrer directement au BambooHR et à l'ATS de l'entreprise, assurant une intégration fluide des flux de travail tout en protégeant les données des employés. La solution a permis :

• Un filtrage automatisé des candidats à travers les données de l’ATS pour optimiser l’une des tâches RH les plus chronophages, incluant des capacités avancées de tri de CV
• Des recommandations contextuelles pour les relances des recruteurs, classées par qualité et urgence, permettant des décisions davantage guidées par les données
• Des questions d’entretien standardisées générées à partir des descriptions de poste grâce aux technologies d’IA
• Des fonctionnalités anti-biais en imposant des critères uniformes dans l’évaluation des candidats, améliorant l’équité grâce à une analyse minutieuse des données
• Livraison chronométrée des actions et des informations aux recruteurs, alignée sur les besoins et préférences propres à chaque poste—l’IA veille à ce qu’aucun élément ne soit oublié

Résultats obtenus

Les résultats ont été considérables et vérifiables :

KPI	Avant IA	Après IA
Temps consacré au recrutement	Processus manuel intensif sur plusieurs semaines	Réduction de plus de 70% du temps consacré au recrutement
Délai d’embauche	Souvent retardé de 1 à 2 semaines	Cycles de recrutement réduits de 1 à 2 semaines
Cohérence du recrutement	Différents heuristiques selon les recruteurs	Normes et informations unifiées entre recruteurs
Biais dans la présélection	Dépend du jugement subjectif	Biais minimal grâce à une évaluation structurée
Adoption de l’outil par les recruteurs	Utilisation manuelle de l’ATS	Adoption à 100% par les recruteurs, avec intégration dans les flux de travail

« Aujourd’hui, chaque recruteur l’utilise, et ce en toute confiance. Le système leur fournit exactement ce dont ils ont besoin, au moment où ils en ont besoin, » a déclaré Rajeev Aluru, responsable de l’IA et de la science des données chez Smartbridge.

À retenir pour les dirigeants

L’IA ne remplace pas les recruteurs — elle les valorise. En intégrant un copilote intelligent directement dans les outils ATS existants, Smartbridge a permis à cette entreprise du secteur de la construction et des services de standardiser la qualité des recrutements, d’accélérer les embauches et de réduire drastiquement les tâches manuelles.

L’outil fait désormais partie de l’infrastructure de base, et n’est plus une expérimentation en marge, démontrant le potentiel transformateur de l’IA pour les RH lorsqu’elle est correctement intégrée aux fonctions RH.

Alerte

Si le système d’IA n’est pas profondément intégré dans les flux de travail existants, l’adoption s’arrête. Ce qui a fait le succès de ce cas, c’est la restitution d’informations directement dans BambooHR et l’ATS, maintenant ainsi la dynamique et la confiance des recruteurs.

En toute franchise

La technologie fonctionne—mais il faut l’adhésion des recruteurs dès le premier jour.

• Pas d’effet de surprise pour l’équipe. Impliquez les recruteurs très tôt dans la conception.
• L’IA doit être perçue comme une aide, pas comme un remplacement. Utilisez-la pour recommander, pas pour imposer.
• Gardez-la dans leurs outils. Si l’IA vit en dehors du système de référence, elle ne sera pas utilisée.
• Suivez les performances. Montrez aux recruteurs comment elle les aide à pourvoir les postes plus rapidement, mieux, et plus équitablement.

11. Docebo + IA au service du recrutement, de l’engagement et de la gestion des connaissances

Docebo, entreprise mondiale spécialisée dans la technologie de l’apprentissage comptant environ 1 000 employés entre l’Amérique du Nord et l’Europe, faisait face à des défis complexes en matière de recrutement et d’opérations à grande échelle. Les équipes d’acquisition de talents peinaient à évaluer les candidats de manière cohérente, à prendre des notes lors des entretiens et à accélérer la conversion des entretiens avec les managers en décisions concrètes.

Parallèlement, les équipes RH examinaient manuellement des milliers de commentaires d’enquêtes d’engagement chaque mois, ce qui ralentissait considérablement leur capacité à agir sur les retours et l’amélioration de l’engagement. Le partage interne de connaissances entre les équipes constituait un autre goulot d’étranglement, surtout lors de projets comme les réorganisations.

Docebo n’avait pas besoin de l’IA pour la nouveauté, mais pour apporter de la clarté opérationnelle, une prise de décision plus rapide et une meilleure évaluation des candidats à l’échelle d’une entreprise mondiale—et in fine améliorer plusieurs fonctions RH en même temps.

La stratégie IA

Docebo a déployé l’IA sur trois processus RH essentiels, en s’appuyant sur l’apprentissage automatique et le traitement du langage naturel :

1. Intelligence recrutement + entretiens

• Granola.ai a été introduit pour soutenir les recruteurs et les responsables du recrutement lors des entretiens en transcrivant et en synthétisant automatiquement les notes.
• Cela a libéré les recruteurs de la tâche de retranscription après les appels et a permis aux responsables du recrutement de se concentrer sur l’écoute active, augmentant l’équité et la cohérence des décisions d’embauche — l’IA aide à éliminer les tâches RH fastidieuses.
• Les synthèses deviennent désormais des archives des questions menant à de bonnes embauches — permettant d’affiner les stratégies d’entretien et de prendre des décisions plus basées sur les données pour l’évaluation des candidats, créant des ensembles de données précieux pour l’amélioration continue.

2. Descriptions de poste alignées sur la culture + Profilage des candidats

• Des outils d’IA ont été utilisés pour rédiger des descriptions de poste en accord avec les valeurs de Docebo, ce qui a entraîné une nette amélioration de la qualité des candidats et une meilleure expérience employé dès le premier contact.
• Les recruteurs ont également expérimenté l’utilisation de technologies d’IA pour analyser le contenu public disponible des candidats (par exemple, les publications LinkedIn) afin d’évaluer leur adéquation avec les valeurs culturelles, telles que les qualités de leadership axées sur l’humain.
• Sans être utilisées pour les décisions finales, ces analyses ont fourni des pistes pour les recrutements de cadres, soutenant ainsi les discussions d’évolution de carrière.

3. Analyse de sentiment des enquêtes d’engagement

• Aujourd’hui, l’analyse de milliers de commentaires issus d’enquêtes d’engagement mensuelles prenait plusieurs semaines.
• Grâce à la synthèse par IA utilisant des algorithmes d’analyse de données, les équipes RH pouvaient désormais détecter les tendances émergentes et les évolutions du climat social en quelques heures, ce qui permettait de lancer plus rapidement des actions ciblées.
• Important : chaque commentaire est toujours relu manuellement par des professionnels RH — mais l’IA agit comme un premier filtre pour mettre en avant les sujets urgents et réduire le délai entre retour d’expérience et action, ce qui améliore considérablement le temps de réaction et permet une analyse prédictive des risques de rétention.

4. Accès à la connaissance interne avec Glean

• Glean, un outil de gestion des connaissances propulsé par l’IA, a été déployé pour éliminer les silos internes et optimiser l’accès à l’information — l’un des outils RH clés de la stack technologique de Docebo.
• Les collaborateurs peuvent interroger Glean pour obtenir des synthèses sur les priorités des départements, les organigrammes et les mises à jour de projets internes, soutenant ainsi leur progression de carrière en clarifiant les parcours de développement.
• Par exemple, l’équipe RH s’en est servie pour fluidifier la conception organisationnelle en mettant immédiatement en lumière les objectifs et structures d’équipe à partir des données collaborateurs. Les dirigeants rapportent une nette accélération du travail de planification stratégique.

Résultats obtenus

• 2+ heures économisées par recruteur/intervieweur et par embauche grâce à la prise de notes automatisée
• Des milliers de commentaires d’enquêtes analysés chaque mois en quelques heures au lieu de semaines, améliorant la réactivité envers l’engagement salarié
• Descriptions de poste plus rapides et de meilleure qualité, contribuant à un pipeline de candidats plus performant et une meilleure expérience employé
• Meilleur calibrage des embauches grâce à l’analyse a posteriori des comptes rendus d’entretien, pour des décisions plus guidées par les données
• Planification organisationnelle plus rapide en utilisant les synthèses internes en temps réel de Glean

« Nous ne considérons pas l’IA comme un jeu à somme nulle. Il s’agit d’activer le meilleur de nos collaborateurs tout en gagnant en efficacité et en capacité de montée d’échelle. » — Lauren Tropeano, VP People & Culture, Docebo.

Ce qu’il faut retenir pour les dirigeants

L’IA n’a pas besoin d’être révolutionnaire pour être transformatrice. Le succès de Docebo a reposé sur l’intégration d’outils d’IA pratiques au sein des processus existants : éliminer les frictions liées à la prise de notes, libérer l’accès aux connaissances organisationnelles et agir plus rapidement sur les retours d’expérience.

Leur approche conjuguait pragmatisme et centrage humain, combinant gouvernance et expérimentation pour garantir une adoption responsable et durable dans les fonctions RH.

Point de vigilance

Tous les outils d’IA ne produisent pas des résultats exploitables. Docebo a dû tester plusieurs plateformes de prise de notes avant d’en trouver une capable de refléter suffisamment de nuances et de différencier correctement les intervenants. Moralité : testez avant de déployer à grande échelle et évaluez non seulement ce que l’IA réalise, mais aussi si cela est vraiment utile à vos processus RH.

Parlons concrètement (avec conseils)

• Démarrez petit, évoluez intelligemment : Lancez des pilotes sur quelques équipes, collectez les retours puis déployez selon la valeur et des indicateurs clairs.
• L’IA ≠ pilote automatique : Les équipes ont toujours besoin de réflexion critique et de jugement humain pour interpréter et exploiter les analyses IA.
• La gouvernance est essentielle : Définissez les périmètres d’accès aux données (par exemple, pas d’accès aux systèmes RH sensibles) et clarifiez les usages responsables des données collaborateurs.

Avant vs Après : le parcours IA de Docebo

Zone de focus	Avant l’IA	Après l’IA
Prise de notes en entretien	Transcription manuelle après chaque appel ; niveau de détail et d’effort variable	Les résumés Granola économisent plus de 2 heures par poste ; les managers se concentrent sur l'écoute plutôt que sur la saisie
Analyse des enquêtes d’engagement	Codage manuel de milliers de commentaires, demandant des semaines	Les résumés thématiques par IA permettent des cycles de feedback/action quasi en temps réel
Recherche de candidats	Descriptions de poste souvent perdues au milieu de publications industrielles génériques	Descriptions d’offres créées par IA alignées avec les valeurs de l’entreprise, attirant de meilleurs profils
Recherche en conception organisationnelle	Heures/jours à chercher dans les e‑mails et Slack pour comprendre la structure d'équipe	Glean présente les objectifs d’équipe et organigrammes en quelques secondes
Évaluation de la culture	Visibilité limitée sur les comportements axés sur l’humain des candidats à la direction	Les revues assistées par IA de contenus publics fournissent des signaux d’adéquation culturelle

5 enseignements clés issus du terrain sur l’IA en RH

Après avoir examiné des dizaines de déploiements réels, voici les conclusions les plus importantes provenant des équipes qui mettent ces solutions en œuvre aujourd’hui — non pas en théorie, mais dans la pratique :

More Articles

• Ce que le moment exige réellement des dirigeants
• Quand la Stratégie Rencontre la Réalité : Traduire l’Orientation de l’Entreprise en Besoins de Main-d’Œuvre
• Comment les RH peuvent intégrer la sécurité psychologique dans le parcours des employés

1. L’intégration prime sur l’invention

Les projets ayant le plus d’impact intégraient les technologies d’IA dans des outils déjà utilisés par les équipes — comme Slack, des plateformes ATS ou des SIRH. La gestion du changement s’est révélée plus fluide, l’adoption de l’IA plus rapide, et le retour sur investissement s’est manifesté plus tôt. Les professionnels RH pouvaient exploiter l’IA pour les RH sans perturber leurs processus existants. Plutôt que d’imposer de nouveaux outils RH, les implémentations les plus efficaces ont amélioré ce que les équipes connaissaient déjà, réduisant les frictions et accélérant la création de valeur.

2. Le jugement humain reste essentiel

Même les systèmes d’IA les plus avancés ne prenaient pas de décisions seuls. Chaque exemple incluait un humain dans la boucle de décision, ce qui renforçait la confiance, améliorait les résultats et garantissait l’équité lors du recrutement, de l’intégration ou de l’évaluation de la performance. L’apprentissage automatique et les algorithmes soutiennent les décisions — ils ne remplacent pas le discernement des professionnels RH qualifiés. Les dirigeants qui l’ont compris voient l’IA comme un complément, non une substitution, et construisent ainsi des systèmes plus robustes et fiables.

3. L’adoption nécessite la confiance – pas seulement la technologie

Les équipes qui ont réussi avec l’IA ont investi dans la formation, la transparence et le storytelling interne. L’adoption de l’IA ne relevait pas que d’un défi technique : c’était aussi une question de culture. Les équipes les plus performantes ont su faire de l’IA un allié, et non un envahisseur, maintenant un engagement des collaborateurs fort tout au long des projets d’implémentation. L’adoption réussie de l’IA suppose de traiter les craintes liées à la sécurité de l’emploi, démontrer la valeur via des pilotes, et célébrer les succès publiquement pour générer un effet d’entraînement.

4. La personnalisation décuple les performances

La rapidité est importante, mais la qualité l’est davantage. L’IA génère les meilleurs retours lorsqu’elle crée des expériences uniques et contextuelles — pour les candidats, managers ou nouveaux arrivants, améliorant l’expérience collaborateur globale. Qu’il s’agisse de rédiger des plans d’intégration sur mesure ou d’analyser des retours à partir de données RH, la spécificité l’a emporté sur l’approche à grande échelle. Le traitement automatique du langage naturel permet cette personnalisation à grande échelle sur de multiples fonctions RH : parcours d’apprentissage adaptés, entretiens de développement de carrière ou communication individualisée. Les projets les plus efficaces utilisent l’analyse de données et la prédiction pour anticiper les besoins individuels plutôt que d’imposer des solutions universelles.

5. Les petits pilotes se généralisent vite

La majorité des réussites ont démarré par des expérimentations à faible risque et à fort potentiel : un chatbot pour le suivi d’objectifs, un plan 30/60/90 généré par GPT, ou la présélection automatisée de CV. Une fois les retombées démontrées grâce à des indicateurs concrets de gain de temps ou d’économie de coûts, les équipes montent ensuite en puissance vite — avec crédibilité et assurance. Ces initiatives ciblées ont prouvé la valeur de l’IA pour les RH avant d’étendre les outils IA à l’ensemble de l’organisation pour transformer les processus et missions RH. Commencer petit a permis de tester les technologies, d’améliorer les prompts, de constituer les bons jeux de données et de bâtir la gouvernance, avant un déploiement massif — augmentant fortement les chances d’une adoption réussie et durable de l’IA.