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

Pour l’équipe RH, cela signifiait qu’il fallait s’attaquer à des problématiques installées depuis longtemps dans l’accompagnement de la performance, notamment sur la façon dont les salariés fixent et suivent leurs objectifs.

En dépit de l’automatisation déjà en place, la définition des objectifs chez Zapier restait incohérente et lourde. Les employés avaient du mal à exprimer des objectifs mesurables et alignés, et les managers manquaient de visibilité sur la qualité des objectifs dans chaque service.

Les méthodes traditionnelles ne prenaient pas, et des collaborateurs pressés délaissaient souvent le processus, engendrant des risques de décalage et une baisse de la performance collective.

L’approche IA

Emily Mabie, responsable de l’accompagnement managérial chez Zapier, a construit un système complet et automatisé alimenté par l’IA pour soutenir la fixation d’objectifs, de l’accompagnement individuel à l’analyse des tendances d’équipe. Le projet s’appuyait sur cinq outils natifs Zapier, connectés en moins de deux semaines :

1. Chatbot IA de coaching : hébergé sur une page web créée par Zapier, le bot accompagnait les salariés selon la méthode exclusive AMP de Zapier pour la définition d’objectifs. L’IA guide en temps réel, donne des rappels et des exemples, tout en s’appuyant sur les attentes de Zapier pour la conception d’objectifs impactants et flexibles. Cela a réduit la charge de tâches RH tout en favorisant l’engagement.
2. Collecte automatisée des données : les échanges étaient débarrassés des informations personnelles identifiables (PII) et transmis à une base de données Zapier Table via un workflow personnalisé, créant ainsi un dépôt centralisé tout en conservant la confidentialité. Ces jeux de données sont devenus précieux pour des analyses continues.
3. Agent IA en back-end : un agent Zapier analysait ensuite toutes les conversations enregistrées à l’aide du machine learning pour repérer les points d’abandon et identifier les zones faibles (ex. : manque de clarté, absence d’alignement). Cette exploration de données a révélé des schémas invisibles à l’examen manuel.
4. Niveau de reporting manager : l’agent fournissait en continu des retours d’accompagnement permettant à l’équipe formation et développement (L&D) d’optimiser l’accompagnement à la fixation d’objectifs, transformant les échanges en stratégie et soutenant l’amélioration continue des formations. Les directions pouvaient désormais accéder à des indicateurs clairs sur la qualité des objectifs.
5. Stratégie de diffusion & d’adoption : la mise en avant sur Slack entre pairs, la présence de relais internes dans chaque service et la communication claire autour de « ce que ça m’apporte à moi » ont permis d’atteindre un taux de participation de 91 % dès le premier cycle (plus de 800 utilisations uniques du chatbot), preuve d’une adoption réussie 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 bien plus faible des employés avec les anciens systèmes.
• Plus de 800 conversations autour de la fixation d’objectifs analysées, conduisant à des améliorations mesurables en termes de spécificité et d’alignement des objectifs.
• Hausse de la qualité des objectifs au fil des cycles : les objectifs sont devenus plus mesurables, plus stratégiques et mieux alignés sur les priorités du département et de l’entreprise, contribuant directement à l’amélioration des indicateurs de performance des employés.
• Déploiement complet de la phase pilote à l’échelle en moins de deux semaines grâce à la culture d’expérimentation de Zapier et son infrastructure low-code.

Enseignement clé pour les dirigeants

Ce n’est pas simplement un formulaire remplacé par l’IA, mais une véritable boucle de rétroaction créée par l’IA. Zapier a intégré l’IA tout au long du parcours de fixation des objectifs : accompagnement, analyse, amélioration, renforcement de la culture. Si cela a fonctionné, ce n’est pas parce que l’IA a tout fait, mais parce que les RH ont conçu cette expérience avec empathie, contexte et clarté.

À surveiller

Même les systèmes d’IA bien conçus échouent si le cadre sous-jacent est fragile. Zapier en a fait l’expérience lorsque leur premier cadre de fixation des objectifs a sous-performé, malgré un chatbot techniquement fiable. Le passage à un modèle AMP plus simple et intuitif a permis d’obtenir de bien meilleurs résultats. La leçon ? La puissance de l’IA repose toujours sur une conception intelligente.

Pour de vrai (et conseil bonus)

L’IA n’est pas un raccourci magique vers de meilleurs résultats — c’est un scalpel, pas un marteau. Comme l’a dit Mabie :

Nous n’avons pas construit cela parce que l’IA était à la mode. Nous l’avons fait car la fixation des objectifs ne fonctionnait plus. Les gens étaient frustrés par le processus, pas par la finalité — et l’IA nous a permis de rendre cela plus simple, plus rapide, et véritablement utile.

Si vous souhaitez reproduire le succès de Zapier :

• Commencez par un cadre solide. L’IA ne réparera pas une base défaillante. Trouvez une structure simple, flexible, adaptée à votre équipe.
• Pensez feedback. Utilisez l’IA pour identifier les abandons, les points de confusion et les succès, puis adaptez-vous vite.
• Bâtissez sur la culture interne. Les ambassadeurs internes et la promotion native sur Slack seront toujours plus efficaces que les injonctions descendantes.
• Gardez la maîtrise de vos outils. La solution 100 % native et low-code de Zapier a permis de contenir les coûts et de favoriser l’itération.

Avant / Après : Zapier + définition d’objectifs IA

Domaine clé	Avant l’IA	Après l’IA
Qualité de la fixation des objectifs	Objectifs incohérents, vagues et mal alignés ; cadres rarement appliqués	Forte augmentation de la clarté, de la spécificité et de l’alignement grâce au coaching IA
Participation	Taux variables de soumission d’objectifs ; difficile de suivre l’engagement	91 % de participation, plus de 800 sessions guidées par le chatbot enregistrées
Connaissance de l’accompagnement	Pas de données centralisées pour analyser ce qui fonctionnait ou les points d’échec	L’agent IA a généré des boucles de feedback sur la qualité des objectifs, les points de friction, et les schémas d’adoption
Vitesse de déploiement	Les nouveaux outils nécessitent généralement des mois de conduite du changement	Déploiement complet, de la conception à l’échelle, en moins de deux semaines, soutenu par les pairs et la direction
Charge administrative	Vérification manuelle des objectifs et impact peu clair des efforts d’accompagnement	L’agent IA analysait en continu les résultats et recommandait des ajustements stratégiques pour améliorer l’impact

2. Flowable

Une des trois plus grandes banques mondiales de gestion de patrimoine était confrontée à l’un des processus les plus complexes de la banque privée : la vérification de l’origine de la fortune (SOW). Avant de pouvoir accueillir un nouveau client fortuné, la banque devait prouver — souvent avec la plus grande rigueur — que sa fortune était licite, légitime et traçable. Cela impliquait d’examiner des centaines de pages de documents, de registres publics, d’affaires commerciales et d’historiques financiers.

Le flux de travail était manuel, répétitif et lent. Il nécessitait des échanges constants entre le conseiller clientèle et le responsable conformité, allongeant souvent la procédure sur 5 à 6 semaines. Le ressenti client en souffrait, menant à des taux d’attrition atteignant 25 à 30 % à ce tout premier stade.

L’atout IA

Si la banque visait l’amélioration de l’expérience client, le véritable blocage se situait dans les workflows internes, qui dégradaient le quotidien des collaborateurs. Elle s’est associée à Flowable, qui a déployé une architecture IA agentique sophistiquée fondée sur des algorithmes de machine learning pour automatiser les vérifications SOW. La transformation s’est déroulée en deux phases :

Phase 1 : agents IA spécialisés — Flowable a déployé des agents dédiés pour extraire les données des PDF, recouper les registres publics (par exemple, authentifier la cession d’un fondateur par des articles de presse), classifier les historiques professionnels et résumer les trajectoires financières via le traitement automatique du langage.

Phase 2 : Système agentique orchestré — Une couche d'orchestration basée sur les cas coordonnait plus de 28 agents IA pour gérer des workflows de bout en bout. Ces agents comprenaient des modules spécialisés pour évaluer les revenus historiques, vérifier la traçabilité des actifs et évaluer la conformité régionale — tout cela dans des limites strictes de permissions sur les données.

Point crucial : Flowable a mis en place des points de contrôle « humain dans la boucle » (HITL) à chaque étape décisionnelle clé. Aucun agent ne pouvait approuver ou rejeter un dossier sans validation finale par un professionnel humain, préservant ainsi la confiance et la conformité.

Les résultats

Selon Micha Kiener, CTO et cofondateur de Flowable :

• Le taux de perte de clients a chuté de 25–30 % à moins de 1 % lors de l’étape SOW, générant ainsi des économies substantielles grâce à une meilleure fidélisation.
• Le temps de traitement s’est effondré de 40–45 jours à seulement 1–2 jours en moyenne.
• 95 % du workflow SOW est désormais entièrement autonome, permettant aux conseillers client et aux responsables conformité de se consacrer à des tâches nécessitant une expertise humaine.
• Aucune résistance à l’adoption : les employés l’ont accueillie comme une amélioration attendue d’une fonction pénible, démontrant une adoption fluide de l’IA.

Résumé Exécutif

En concevant un système d’orchestration spécifique au domaine, transparent, avec des contrôles et une clarté des rôles, cette institution a récupéré des revenus perdus, fidélisé ses meilleurs clients et libéré ses collaborateurs pour des tâches à plus grande valeur ajoutée, tout en améliorant considérablement l’expérience employé. Les dirigeants ont constaté un retour sur investissement immédiat grâce aux technologies d’IA.

Signe d’alerte

Sans une gouvernance robuste, l’IA agentique peut devenir une boîte noire, source de risques de conformité, d’erreurs et de rupture de confiance. Flowable a obtenu l’adhésion de la direction en construisant une couche de gestion de cas avec permissions de données strictes, traçabilité et auditabilité.

Parlons franchement (et conseils)

L’IA agentique n’est pas du plug-and-play : c’est de l’architecture. Si vous êtes vraiment déterminé à utiliser l’IA pour des workflows régulés à enjeux élevés :

• Privilégiez des solutions transversales couvrant l’intégralité du processus, pas des approches cloisonnées par fragments.
• Misez sur la gouvernance : tracez chaque entrée/sortie, définissez les frontières des agents, sécurisez les permissions de données.
• L’humain dans la boucle n’est pas optionnel : c’est un élément de sécurité et d’ancrage de confiance. Comme le souligne Kiener :

On pense que l’automatisation vise à exclure l’humain du processus, mais c’est l’inverse. L’essentiel est d’identifier précisément où l’on a encore besoin de discernement. Notre IA traite les tâches répétitives, mais l’humain prend les décisions importantes.

Avant / Après : Banque Privée Internationale + Flowable

Domaine clé	Avant l’IA	Après l’IA
Délai de vérification SOW	5–6 semaines par client ; échanges fastidieux entre conseillers et responsables conformité	Traitement moyen de 1–2 jours avec IA autonome à 95 %
Déperdition clients	Dropout de 25–30 % causé par les délais et demandes répétées	<1 % de perte pendant l’intégration ; process fluide, efficace et de confiance
Charge du workflow	Extraction manuelle de documents, relances répétées, peu de réutilisation	Plus de 28 agents IA orchestrés pour extraire, valider, synthétiser et n’escalader que les exceptions
Risque de gouvernance	Outils agents ouverts sans traçabilité ni contrôle des données	La plateforme Flowable impose les permissions de données, l’auditabilité et la supervision humaine

3. Maya : IA pour le recrutement

Un grand assureur vie faisait face à des goulets d’étranglement typiques des environnements de recrutement en masse. Les professionnels RH passaient un temps considérable à examiner manuellement les CV, contacter les candidats, traiter les profils non qualifiés et gérer les relances — souvent sur des plateformes déconnectées telles que les ATS, LinkedIn, email et job boards.

Le processus était répétitif, incohérent, et sujet aux décrochages, avec des délais d’entretien trop longs et des absences aux entretiens qui plombaient la charge des recruteurs et retardaient le calendrier d’embauche, impactant au final aussi bien l’expérience des nouveaux arrivants que l’efficacité des fonctions RH centrales.

L’approche IA

L’assureur a déployé Maya, une plateforme d’IA conversationnelle et d’automatisation des workflows reposant sur le traitement automatique du langage naturel pour gérer le haut du tunnel de recrutement. Maya a été configurée pour :

• Contactez automatiquement les candidats avec des messages personnalisés et conversationnels via SMS, email ou formulaires sur mesure.
• Sélectionnez et qualifiez les candidats selon des critères prédéfinis, en analysant les CV et en posant des questions propres au poste à l'aide d'algorithmes d'apprentissage automatique—autrement dit, l'automatisation du tri de CV à grande échelle.
• Planifiez des entretiens via l'IA, en fonction de la disponibilité des recruteurs, et envoyez des rappels automatiques pour réduire les absences, ce qui optimise l'une des tâches RH les plus chronophages.
• Fournissez des résumés structurés des candidats aux recruteurs, en segmentant les candidats qualifiés et non qualifiés avec leurs raisons respectives, permettant des décisions plus orientées données et une meilleure analyse de la qualité des candidats.
• Adaptez le ton et la personnalité (décontracté vs formel) selon la marque de l'entreprise et la nature du poste.

La mise en place a duré deux semaines, pendant lesquelles Maya a été adaptée aux spécificités du 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 seulement quelques semaines après son déploiement :

• Le taux d'embauche a atteint 70 % des candidats traités par Maya dans les agences du groupe.
• Le coût par entretien a chuté de 37 $ à 13 $ — soit une réduction de 65 % en deux mois, permettant une meilleure allocation des ressources vers d'autres initiatives et générant des économies substantielles.
• Le délai jusqu'à l'entretien est passé de 5–7 jours à 1 jour, améliorant considérablement la rapidité du recrutement et l'expérience des candidats.
• 92 % des candidats pensaient interagir avec un humain, pas une IA, ce qui démontre la sophistication du traitement du langage naturel.
• Maya a entièrement pris en charge le tri des candidats qualifiés comme non qualifiés, permettant ainsi aux recruteurs de se concentrer exclusivement sur les meilleurs profils et sur des fonctions RH stratégiques.

À retenir pour les dirigeants

L'IA conversationnelle vise un engagement précis. Maya a transformé un processus initialement manuel et désordonné en un flux de travail rationalisé et hautement performant, permettant aux recruteurs de se concentrer sur leur véritable valeur ajoutée : établir des liens humains et conclure les recrutements, tout en améliorant l'engagement global lors de l'embauche.

Point d'alerte

Les systèmes humains peuvent toujours constituer un goulot d'étranglement. Maya a efficacement qualifié des candidats, mais dans certains cas, les recruteurs n'ont pas fait de suivi, ce qui a entraîné des occasions manquées. L'IA doit être accompagnée d'un véritable soutien aux recruteurs, de responsabilité et de la mise à jour des programmes de formation.

Retour d'expérience (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 : ne déployez pas l'IA tant que vous n'avez pas défini ce que signifie réussir. Si vos objectifs sont flous ou si vous êtes dépassé par le volume, l'IA ne fera qu'amplifier le problème. Mais si vous êtes concentrés, elle devient un véritable accélérateur.

L'IA comme Maya peut bouleverser la performance de recrutement, mais seulement si les équipes humaines tiennent leur engagement.

• Définissez des objectifs de recrutement réalistes avant de déployer l'IA dans l'embauche. N'exigez pas 10 000 prospects si vous avez besoin de 5 embauches.
• Formez l’IA comme un collaborateur : précisez ce qu’elle doit dire, ne pas dire, et quel ton (formel ou informel) elle doit adopter.
• Utilisez l'IA pour compléter, pas remplacer : Maya a pour mission de trier, mais les recruteurs doivent rester présents et finaliser les embauches.

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

Business email*

LinkedIn profile

Seniority*

Select an optionExecutive / C-suiteVPDirectorManagerIndividual ContributorOther

Company's AI adoption maturity*

Select an optionExploring opportunitiesRunning pilotsScaling adoptionEmbedded in the business model

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

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

Reg Wall Module

InlineBottom BarFooterLanding PagePop UpSidebarSSO

Avant/Après : Maya AI + Globe Life

Domaine	Avant l'IA	Après l'IA
Efficacité des recruteurs	Les recruteurs contactaient, sélectionnaient et relançaient chaque candidat manuellement	Maya prenait en charge toute la communication initiale et la présélection ; seuls les candidats qualifiés étaient transmis aux recruteurs
Délai jusqu'à l'entretien	5–7 jours depuis la candidature jusqu'à la programmation de l'entretien	1 jour de la prise de contact initiale à l'entretien confirmé
Coût par entretien	37 $ en moyenne	13 $ par entretien en moins de 2 mois – réduction de 65 %
Expérience candidat	Communication décousue ; fort taux d'abandon des candidats	92 % pensaient que Maya était humaine ; taux de présence plus élevés et expérience plus fluide
Implication des recruteurs	Charge de travail élevée, peu de temps pour l’essentiel	Les recruteurs se concentraient uniquement sur les candidats à fort potentiel, améliorant leur efficacité et leur moral
Taux d'embauche	Conversion peu claire, lente	70 % de taux d'embauche parmi les candidats traités via Maya

4. Intégration avec Tonkean

Une équipe RH d'une entreprise mondiale avait du mal à offrir un accueil rapide et personnalisé, en particulier pour les travailleurs temporaires comme les sous-traitants. Des processus RH manuels faisaient qu'il fallait souvent plus de 20 jours (et parfois plus de 30) pour donner à de nouveaux collaborateurs tous les outils, accès et systèmes nécessaires, retardant ainsi la productivité et annulant l'intérêt d'un recrutement rapide.

En plus de cela, la qualité de l'intégration était irrégulière, générique, et imposait aux responsables d'embauche ainsi qu'aux nouveaux employés une surcharge logistique et informationnelle, impactant négativement l'expérience collaborateur ainsi que l'engagement dès le premier jour.

On s'attendait à ce que les collaborateurs se « débrouillent seuls » avec les supports d'intégration via des intranets ou des portails de formation, souvent sans contexte ni structuration suffisante pour soutenir une montée en compétence efficace.

L’approche IA

L’entreprise s’est associée à Tonkean, une plateforme qui orchestre les opérations RH via des agents IA et des algorithmes d’apprentissage automatique. Pour l’intégration, 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 d’ancienneté.
• A automatisé les processus pour lancer proactivement des séquences d'intégration personnalisées selon le poste, le lieu et l’équipe du collaborateur.
• A généré des contenus d’intégration sur-mesure en puisant dans des ressources internes non structurées comme des présentations, des documents RH, des guides d’avantages sociaux et des transcriptions de formations via le traitement automatique du langage, transformant des données éparpillées en parcours d’apprentissage cohérents (c’est aussi un avantage clé des plateformes d’expérience d’apprentissage).
• A utilisé des agents IA pour interagir avec les managers via Slack ou Teams dans le but de co-construire des plans 30/60/90 jours personnalisés en langage naturel, permettant ainsi des décisions plus éclairées et scientifiques pour accompagner le développement et la carrière.
• A permis des échanges avec des agents en direct via réponse email ou portails intégrés afin que les nouveaux puissent poser des questions comme : « Où puis-je m’inscrire aux avantages sociaux ? » et obtenir instantanément des réponses approuvées, précises et contextualisées selon leurs données et les outils RH internes à l’entreprise.
• A traité les FAQ (par exemple, congé maternité, fenêtres d’inscription) de manière anonyme via des interfaces conversationnelles afin de réduire les frictions et préserver la confidentialité.

L’IA a été utilisée en amont (déclenchement de plans) comme en aval (réponses aux questions), créant ainsi une expérience collaborateur fluide, personnalisée et de grande 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 collaborateurs ont signalé que l’intégration leur semblait très personnalisée, comme si « 3 ou 4 personnes s’en étaient occupées » — alors que l’IA assurait la majorité du processus.
• Scores CSAT (satisfaction des utilisateurs finaux) plus élevés pour l'intégration grâce à une meilleure clarté, une rapidité accrue et une meilleure intégration culturelle, contribuant directement à l’engagement.
• Changement de perception de l’IA : d’un simple gain de temps à un réel multiplicateur de qualité. Le plus grand ROI n’était pas la vitesse, mais la capacité à offrir de meilleures expériences sans augmenter les effectifs RH.

Ce qu’il faut retenir en tant que dirigeant

L’orchestration portée par l’IA a transformé l’intégration d’un processus manuel en une démarche stratégique, évolutive et centrée sur l’humain. En combinant intégrations de données, agents génératifs et conception « humain dans la boucle », cette entreprise a créé des intégrations sur mesure à grande échelle, améliorant la productivité, la performance et la rétention dès le premier jour.

À surveiller

Il faut le scander haut et fort : on ne peut pas simplement superposer l’IA sur d’anciens processus ! Le décalage d’attentes est le plus gros risque. L’IA oblige à repenser la définition de « l’exactitude », la responsabilité et la réussite.

Et n’attendez pas des résultats déterministes : l’IA fournira souvent des réponses différentes — mais tout aussi valides. Les RH doivent faire évoluer leur façon de tester et valider les résultats.

Parole d’expert (conseils pratiques)

Sagi Eliyahu, cofondateur et PDG de Tonkean, partage :

Lorsque vous accueillez de nouveaux collaborateurs issus de plus de 10 pays, dans différents départements, dont la moitié sont des sous-traitants, il est quasiment impossible de réussir l’intégration manuellement. Ce que nous avons constaté ici n’était pas seulement plus rapide, c’était une intégration où l’on avait vraiment le sentiment que quelqu’un avait pensé à votre poste, votre lieu de travail, votre équipe. Et la plupart du processus était géré par l’IA.

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

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

Alors :

• Intégrer l’orchestration dans les workflows existants (email, Slack, SIRH — pas seulement dans de nouveaux outils)
• Privilégier la qualité, pas seulement l’efficacité — l’IA permet d’obtenir les deux
• Pré-charger le système avec des contenus variés (présentations, transcriptions, documents)
• Laisser les RH gérer les « réponses approuvées » et former les agents d’IA avec des garde-fous contextuels
• Aligner les RH, la DSI et la direction sur une nouvelle définition de « fonctionne comme prévu »

Avant vs Après : Anonymous Enterprise + Tonkean

Domaine clé	Avant l’IA	Après l’IA
Délais d’intégration	20–30+ jours pour que les prestataires soient complètement opérationnels	<5 jours pour la durée moyenne d’intégration des prestataires
Qualité de l’intégration	Matériels génériques, déconnectés, obligeant souvent les nouveaux embauchés à s’auto-orienter	Plans élaborés par l’IA, personnalisés selon le poste, l’emplacement, l’équipe ; ressenti « comme si 3–4 personnes y avaient travaillé »
Charge pour le manager	Les managers créaient manuellement les plans d’intégration, souvent zappés ou expédiés	Prompts Slack/Teams utilisés pour co-construire les axes prioritaires d’intégration sur 30 jours
Accès à l’information	Les salariés devaient chercher sur les intranets ou envoyer des emails aux RH	Des agents IA fournissaient des réponses approuvées et contextualisées instantanément, anonymement
Efficacité	Travail manuel intensif et charge de formation importante	Lecture documentaire remplacée par des agents interactifs utilisant du contenu réel de l’organisation (présentations, manuels, etc.)
Scalabilité	Des expériences d’intégration incohérentes selon les zones géographiques	Processus d’intégration cohérent et évolutif pour tous les sites et tous les rôles

5. Transformation du BPO par CogNet + IA

Un des clients BPO de Cognet — une agence nationale de recrutement — était piégé dans une boucle de rapprochements financiers coûteux, lents et entièrement manuels.

Chaque mois, le client revendait ses factures à un partenaire de financement. Mais avant tout déblocage de trésorerie, ce partenaire exigeait un rapprochement précis entre ce qui était attendu (selon les précédents accords) et le montant réellement dû — une situation classique de divergence entre factures internes et relevés externes.

Le problème ? L’équipe interne rapprochait manuellement des PDF d’un million de lignes et des feuilles Excel mal structurées à l’aide d’un comptable payé plus de 90 000 $/an en rémunération totale. Rien que pour détecter les écarts, le processus prenait plus de 16 heures par mois, sans compter la résolution des anomalies, ce qui freinait la trésorerie et réduisait la capacité d’analyse à plus forte valeur ajoutée de l’équipe finance.

Chez d’autres clients et pour d’autres fonctions, CogNet a observé le même schéma : des talents hautement qualifiés accaparés par des « tâches ingrates », certes nécessaires, mais sans impact transformant sur les RH ou l’organisation.

Le pari IA

CogNet a mené une approche en « Texas Two-Step » pour optimiser ce processus critique, combinant apprentissage automatique et traitement du langage naturel :

Étape 1 : BPO & économie de coûts
Le client a commencé par transférer le processus "en l’état" à Cognet, où des analystes offshore effectuaient le rapprochement manuel à un coût bien moindre (~11,50 $/heure). Cette seule étape a fait passer les coûts de 692,31 $ à 184 $ par cycle de rapprochement, soit 276% d’économies.

Étape 2 : Orchestration par IA
Puis, CogNet a mis en place une couche d’automatisation « human-in-the-loop », s’appuyant sur des algorithmes et un Large Language Model (LLM) pour comparer efficacement des documents de formats multiples (PDF, Excel, CSV) et analyser les données RH.

Au lieu de demander aux humains de détecter ligne à ligne les écarts, le LLM repérait désormais les anomalies en quelques secondes, permettant des décisions plus éclairées grâce à l’analyse de données. L’analyste CogNet n’avait plus besoin que de deux heures pour valider et remonter les réels écarts, transformant ainsi un workflow à 692 $ en un processus à 30 $ et générant une économie très significative.

Surtout, la couche d’orchestration de CogNet permet de remplacer les agents IA (ex. : ChatGPT, Claude) selon le type de tâche, le niveau d’exposition réglementaire (ex. : données de santé, paie), ou la politique client. Cette conception modulaire rassure les clients sur la conformité tout en leur permettant de gérer des jeux de données variés.

Résultats

• Durée du processus de rapprochement divisée par 8 : de 16h à 2h seulement
• Coût réduit de 692,31 $ à 30 $ par cycle, soit une économie de 2 208 %
• Accélération du processus : anomalies détectées et trésorerie débloquée sous 24h
• Le comptable redéployé sur des missions stratégiques comme l’analyse de rentabilité, au lieu de tâches répétitives sur Excel
• Les clients revoient leur vision du BPO : ce n’est plus un simple arbitrage de main-d’œuvre, mais une transformation des processus par l’IA au service des RH et au-delà

À partir de là, CogNet a reproduit ce modèle de « économies par mille coupes » sur des dizaines de flux de travail à haute fréquence pour de multiples clients, transformant ainsi la manière dont les équipes RH, paie et comptabilité abordaient les opérations externalisées.

À retenir côté direction

CogNet n'a pas seulement appliqué l'IA pour réduire les coûts, l'entreprise a redéfini la proposition de valeur du BPO. En associant une automatisation à faible friction à une approche orientée service, ils ont aidé leurs clients à regagner des heures, réduire le gaspillage et réinvestir les collaborateurs dans des tâches à plus forte valeur ajoutée.

L'innovation n'était pas seulement technique, elle était aussi contractuelle. La volonté de CogNet de partager la valeur au travers d'une tarification basée sur la performance a permis aux clients de passer d'une vision « fournisseur » à une vision « partenaire », particulièrement précieuse lors du lancement de nouvelles initiatives sur les processus RH.

Signal d’alerte

La technologie seule ne crée pas la confiance. Un client a d'abord résisté à l'IA par crainte de non-conformité et par méconnaissance des LLM. Le déclic est venu d’un projet pilote simple utilisant de fausses données d’employés et qui a tout de même surpassé les efforts manuels, ce qui a permis de prouver la valeur avant d’exiger l’adhésion.

À vrai dire (et conseils)

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

La plupart des entreprises pensent que l'automatisation commence par une grande transformation, mais en réalité, la façon la plus rapide de démontrer la valeur est d'améliorer ce qui fonctionne déjà. Nous partons de l’existant, obtenons des gains rapides, puis introduisons l'IA pour encore améliorer le processus.

Si vous vous retrouvez à rapprocher des PDFs avec des tableaux Excel et à payer 700 $ par cycle pour le faire, votre problème n'est pas de ressources humaines. C’est un problème de processus.

Vous souhaitez passer à l’échelle sur 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 telles que la comparaison, la classification, le routage
• Créez des flux d’IA qui complètent sans remplacer. Redirigez les cas particuliers vers des humains
• Posez le cadre : les LLM ne donnent pas toujours la même réponse, mais souvent des réponses valides
• Mesurez le ROI en temps humain économisé, pas uniquement sur le nombre de postes supprimés, en suivant les indicateurs qui comptent

Avant vs Après : CogNet + Rapprochement client du secteur intérim

Domaine ciblé	Avant l’IA	Après l’IA
Workflow de rapprochement	Processus manuel de 16 heures sur PDFs et Excel	L’IA détecte les écarts en quelques secondes, seulement 2 heures de revue humaine
Coût par rapprochement	692,31 $ par cycle (basé sur 43 $/h pour un comptable)	~30 $ par cycle (processus externalisé + automatisé par IA)
Délai de paiement	Paiements retardés à cause de cycles de rapprochement longs	Cycle de 24h permettant une résolution de litiges accélérée et une collecte de trésorerie plus rapide
Utilisation des talents	Des collaborateurs à forte valeur ajoutée passaient des heures en copier-coller, rapprochement manuel	Le comptable se concentre sur la rentabilité et l’analyse financière stratégique
Scalabilité du BPO	Déploiement linéaire lié à l’effectif	Déploiement non linéaire grâce à l’IA, permettant à CogNet de gérer davantage de flux sans augmenter les effectifs analystes

6. Customer.io + Workflows Slack et GPT assistés par IA

Customer.io, entreprise entièrement à distance opérant dans plus de 30 pays, a découvert que son modèle asynchrone, bien que productif, laissait les nouvelles recrues désorientées. L’intégration manquait de structure, et les managers tardaient souvent à définir des attentes claires et des plans d’intégration, nuisant à l’expérience collaborateur.

Les nouveaux employés décrivaient fréquemment leur début comme « devoir se débrouiller seuls », ce qui ralentissait la productivité et diluait la culture—au détriment de l’engagement et de la performance des employés.

En l’absence de siège ou de points de contact en présentiel, l’entreprise avait besoin d’une solution à l’échelle pour rendre l’intégration à la fois claire et connectée, sans surcharger des managers déjà occupés ni perturber d’autres fonctions RH critiques.

L’atout IA

Customer.io a mis en place une série de workflows pilotés par l’IA en utilisant le traitement du langage naturel afin d’apporter structure et cohérence à l’intégration, tout en préservant la flexibilité de sa culture du travail à distance.

1. Slack + ChatGPT : Des plans 30-60-90 jours adaptés à chaque poste

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

Ce système a considérablement réduit le temps de création des plans—estimé entre 30 et 50%—tout en améliorant l’alignement entre nouvelles recrues, managers et objectifs business, favorisant des décisions RH plus orientées données.

2. Autonomisation des managers avec co-conception par les partenaires métier

Au lieu de laisser ChatGPT fonctionner en autonomie, les partenaires métier ont collaboré avec les managers pour affiner le contenu d'intégration généré par l'IA, en veillant à ce que le ton, les attentes et les objectifs de développement correspondent à la culture de Customer.io. Cet équilibre entre l'automatisation et la curation humaine a permis aux managers d'adopter le workflow sans sacrifier la confiance.

3. Construire 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 les cas d’usage réussis — cela a permis de normaliser l'expérimentation et d’accroître l’adhésion interne. Résultat : un taux d’engagement IA interne supérieur à 90%, selon le suivi interne.

Les résultats

• Réduction de 30 à 50 % du temps passé à rédiger les plans d'intégration
• Meilleure clarté de l'intégration reflétée dans les enquêtes de satisfaction post-intégration, avec de meilleurs indicateurs d'expérience collaborateur
• Plus de 90 % des employés utilisent activement l’IA dans leurs workflows, démontrant un fort engagement avec la nouvelle technologie
• Meilleur alignement précoce entre les nouvelles recrues et les objectifs métier, se traduisant par un temps de productivité plus rapide et des performances améliorées

Résumé pour cadres

Customer.io a renforcé la clarté managériale à grande échelle. En intégrant des workflows alimentés par GPT dans Slack, associés à une supervision humaine réfléchie de la part des professionnels RH, ils ont accéléré la productivité des nouvelles recrues sans perdre la subtilité de la gestion humaine.

Point d’attention

Des workflows IA non affinés peuvent sembler robotiques ou génériques. Customer.io a évité cela en s'assurant que les prompts étaient co-conçus par les partenaires métier, et que les managers validaient la production de l'IA avant de la partager avec les nouvelles recrues, conservant ainsi l’élément humain central à l’engagement collaborateur.

En toute transparence (avec conseils)

Jen Fong, Chief People Officer chez Customer.io, avait une vision claire de comment l’IA pouvait aider.

Les nouvelles recrues disaient : « J'essaie encore de comprendre. » Nous avions besoin d’un moyen évolutif pour les amener à « Je sais à quoi ressemble la réussite ».

L’IA ne va pas intégrer vos collaborateurs pour vous — mais elle peut vous aider à mieux le faire.

• Utilisez GPT pour structurer le squelette du plan, puis laissez les managers y ajouter leur mentorat et leurs nuances.
• Ne fournissez pas simplement un outil aux managers : accompagnez-les dans la manière de formuler et d’éditer efficacement les prompts, avec des formations si besoin.
• Commencez petit : les plans d’intégration sont un terrain à faible risque et à fort rendement pour développer l’aisance IA au sein des fonctions RH.

Avant-après : Onboarding Customer.io avec IA

Domaine clé	Avant IA	Après IA
Clarté pour la nouvelle recrue	Attentes floues ; plans d'intégration incohérents	Plans GPT 30-60-90 générés plus rapidement et mieux alignés sur les objectifs
Charge du manager	La création manuelle des plans d'intégration était chronophage	Temps réduit de 30 à 50 % avec des workflows assistés par l’IA
Culture d'adoption de l'IA	Phase d’exploration initiale	Plus de 90 % des employés utilisent régulièrement l’IA ; suivi via Slack
Cohérence de l'intégration	Plans très variables en ton et en détail	Structure standardisée avec possibilité de personnalisation humaine

7. Landing Point + Workflows IA intégrés

Landing Point, cabinet de recrutement et d’intérim, faisait face à un frein courant de productivité : les recruteurs perdaient chaque semaine des heures sur des tâches administratives manuelles. Les principaux goulets d’étranglement incluaient :

• Formatage des CV
• Rédaction de bios candidats
• Affinage des descriptions de poste

Bien que mineures individuellement, ces tâches s’accumulaient pour atteindre 3 à 4 heures par recruteur chaque semaine. Parallèlement, certains recruteurs ont commencé à expérimenter des outils d’IA générative publics, ce qui a soulevé des inquiétudes en matière de sécurité et de protection des données sensibles des employés.

L’entreprise avait besoin d’une solution qui améliore l’efficacité et respecte les normes de conformité de niveau entreprise tout en optimisant les processus RH critiques.

L’approche IA

L’approche de Landing Point s’est concentrée sur des workflows IA intégrés et sécurisés, propulsés par des algorithmes d’apprentissage automatique, qui s’intègrent naturellement dans les outils 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 basées sur GPT directement au sein de leur système de suivi des candidatures (ATS) grâce au traitement du langage naturel—créant ainsi de véritables outils RH intégrés. Cela a permis aux professionnels RH de :

• Mettre en forme un CV en ~3 minutes (au lieu de 10–20 minutes), automatisant ainsi le processus de présélection des candidatures
• Rédiger une biographie de candidat en ~1 minute (au lieu de 15 minutes)
• Nettoyer les offres d'emploi automatiquement

Le 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 économies de temps se sont traduites en économies de coûts puisque l'équipe pouvait traiter plus de volume sans recruter davantage.

2. Chatbot privé à usage interne

Pour offrir aux recruteurs un véritable copilote IA, l'équipe a déployé un chatbot personnalisé hébergé sur leur environnement AWS, sécurisé par SSO et protégé par des journaux d'audit. Les requêtes et les sorties étaient stockées en toute sécurité et les modèles comme OpenAI et Gemini fonctionnaient sans conservation de données, garantissant la confidentialité des employés.

Ce « bac à sable IA sécurisé » a permis aux recruteurs de générer des notes de recherche ou de synthétiser des données candidat sans compromettre la confidentialité, rendant possible des décisions plus éclairées sans risques pour la sécurité.

3. Garde-fous et gouvernance intégrés

Les premiers incidents de « hallucination » ont conduit à mettre en place des garde-fous stricts. Par exemple, lorsqu'un recruteur a sauté la phase de revue humaine, un client a signalé des compétences inexactes sur un candidat. Landing Point a répondu en :

• Affinant les consignes
• Imposant une relecture humaine obligatoire
• Testant les processus via un « AI Think Tank » interne

Ils ont également abandonné des outils peu utilisés, comme un générateur d'emails standardisés, et préféré privilégier des outils qui maintiennent la personnalisation et améliorent l'expérience salarié—essentiel pour entretenir la relation dans le domaine du recrutement.

Les Résultats

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

À retenir pour les dirigeants

Landing Point n’a pas cherché le spectaculaire; ils se sont concentrés sur les vrais points de friction des processus métiers. En intégrant l’IA là où les gens travaillent déjà et en plaçant très tôt des garde-fous, ils ont su générer une vraie valeur sans jamais compromettre la confiance ou la confidentialité des données sensibles des employés.

C’est un exemple de « IA invisible » : faible effort, faible coût, fort impact—qui permet aux recruteurs de consacrer plus de temps à la relation qu’au formatage, tout en optimisant les processus clés des RH.

À surveiller

Si la relecture humaine est négligée, même une IA bien conçue peut introduire des erreurs (par exemple : des compétences inventées sur un candidat). Un faux-pas au début a failli compromettre la confiance d’un client.

Landing Point a réglé cela en imposant une vérification humaine, en intégrant l’affinage des prompts à la boucle QA, et en renforçant les attentes culturelles autour de l’usage de l’IA, assurant que les professionnels RH restent responsables de chaque résultat produit.

En toute franchise (avec conseils)

L’IA ne remplacera pas les recruteurs, mais elle peut leur faire gagner des heures. Selon Faizel Khan, Lead AI Engineer chez Landing Point, le succès n’est au rendez-vous que lorsque :

• Les outils sont intégrés là où le travail s’effectue déjà
• Sécurité et conformité sont intégrées dès le départ
• On corrige ce qui ne fonctionne pas—et on retire ce qui n’est pas utilisé
• La gouvernance n’est pas un fardeau—c’est une discipline produit

Cette histoire ne parle pas d’automatiser tout le processus de recrutement. Il s’agit de libérer du temps pour que les recruteurs humains puissent se concentrer sur ce qu’ils font de mieux : construire des relations et exercer leur jugement. En commençant tôt, en ciblant les points de friction administratifs, et en tirant des leçons des échecs comme des réussites, nous avons démontré que l’IA peut faire une vraie différence sans compromettre la sécurité ou la confiance.

Avant vs Après : Intégration de l’IA chez Landing Point

Domaine d'intérêt	Avant l’IA	Après l’IA
Charge administrative manuelle	Les recruteurs perdaient 3 à 4 heures/semaine sur les biographies, CVs et descriptions de poste	Tâches réduites à ~5 minutes chacune ; 3 à 4 heures/semaine économisées par recruteur
Sécurité et conformité	Les recruteurs utilisaient de façon ponctuelle des outils publics, entraînant des préoccupations liées à la confidentialité des données	Chatbot entièrement sécurisé avec SSO, journaux d’audit et 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 CVs	Taux d’erreur de ~3 à 4 %, principalement des problèmes de formatage ou inadéquations	Taux d’erreur <1 %, avec une meilleure satisfaction des candidats et clients
Culture d’adoption	Premières expérimentations avec peu de structure	Adoption généralisée grâce à l’intégration ATS, à la formation et à la gouvernance interne du « AI Think Tank »
Coût d’exploitation	Non spécifié	200 $ /mois d’infrastructure et 1 ingénieur IA pour piloter le déploiement complet

8. Integrity Staffing + ConverzAI « Recruteur Jamie »

Dans le recrutement en grande volumétrie, la rapidité est cruciale. Les candidats aux postes industriels légers et en entrepôt postulent souvent à plusieurs offres simultanément, ce qui donne aux recruteurs une fenêtre de seulement quelques heures pour établir un contact significatif avant que les candidats ne se découragent.

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

• La présélection manuelle absorbait des heures chaque jour
• Les recruteurs n’atteignaient pas chaque candidat assez vite
• Des candidats qualifiés passaient à travers les mailles du filet
• Les budgets s’envolaient car les équipes compensaient avec davantage d’annonces sur les job boards

Cela débouchait sur une expérience négative pour les candidats, des professionnels RH épuisés et des coûts intenables. L’équipe avait besoin d’une solution pour personnaliser l’engagement à grande échelle sans recruter plus de personnes, ni recourir à une automatisation froide et générique qui nuirait encore plus à l’engagement employé.

La proposition IA

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

Ce que Recruteur Jamie fait :

• Contacte les candidats dans les 15 minutes après le dépôt de leur candidature dans l’ATS (Bullhorn)
• Les contacte par SMS, téléphone ou e-mail, selon les préférences du candidat
• Réalise une présélection structurée couvrant :
  • Expérience professionnelle
  • Localisation
  • Disponibilité
  • Attentes salariales
  • Besoins spécifiques au poste
• Classe les candidats comme :
  • Intéressé
  • Inadéquat
  • À relancer
• Transfère les profils qualifiés aux recruteurs humains, afin qu’ils ne consacrent leur temps qu’aux candidats engagés, ce qui permet des décisions plus éclairées sur où investir leurs efforts et automatise le tri des CV chronophage

Jamie travaille durant les heures ouvrables classiques (8h–20h locales) mais poursuit les interactions par SMS et e-mail 24h/24 et 7j/7. Les notes sont consignées directement dans l’ATS pour un transfert immédiat, garantissant un flux fluide de données pour accompagner les fonctions RH.

Les responsables d’Integrity Staffing rapportent que cette approche de l’adoption de l’IA a complètement bouleversé leur compétitivité dans l’acquisition des talents.

Résultats obtenus

De janvier 2024 à juillet 2025, Jamie a interagi avec plus de 66 000 candidats et livré des résultats multi-dimensionnels, quantifiables sur des indicateurs-clés :

• Augmentation de 76 % du nombre total de placements
• Augmentation de 80 % des candidats directs recrutés
• Amélioration de 55 % de l’efficacité des recruteurs (plus de placements par recruteur)
• Délai de réponse des candidats passé de plusieurs jours/semaines à moins de 15 minutes, ce qui améliore fortement l’expérience collaborateur
• Dépenses publicitaires réduites de plus de 75 % dans certains marchés
• Taux de désinscription des candidats inférieur à 0.5 %, preuve d’un vrai confort avec l’IA (seuls 311 parmi 66 391 candidats ont refusé l’interaction IA)

À retenir pour les dirigeants

L’IA n’a pas seulement amélioré l’efficacité, elle a changé tout le rythme du recrutement. En interagissant en quelques minutes, Jamie a inversé la logique : il ne s’agit plus de courir derrière des profils injoignables, mais de prioriser les candidats réellement intéressés et disponibles.

Le résultat ? Une meilleure expérience pour les candidats employés, des placements plus rapides, des coûts réduits, et des recruteurs qui passent moins de temps sur des tâches ingrates et plus sur la mise en relation à forte valeur ajoutée.

Drapeau rouge

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 % étaient réticents, ce scepticisme s’est vite dissipé.

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

Parlons vrai (avec conseils)

Ce n’était pas une victoire clé en main. Le succès est venu d’une gestion du changement structurée et d’initiatives stratégiques :

• Faire de l’IA une partie intégrante des procédures — pas un supplément optionnel
• Former les recruteurs très tôt à la collaboration avec l’IA via des programmes dédiés
• Impliquer les recruteurs dans la boucle pour qu’ils aient confiance dans les transitions
• Utiliser les données pilotes pour désamorcer le scepticisme et renforcer la confiance interne
• Créer des boucles de retour d’expérience pour améliorer en permanence les interactions et l’intégration

Avant vs Après : Integrity Staffing + ConverzAI

Domaine	Avant l’IA	Après l’IA
Délai d’engagement	Jours (parfois semaines) ; approche à froid	<15 minutes en moyenne de la candidature au premier contact
Conversion des candidats	Beaucoup de pistes abandonnées ; lenteur des embauches directes	+80 % de candidats directs embauchés après présélection par l’IA
Efficacité des recruteurs	Temps passé à poursuivre, appeler et filtrer manuellement	+55 % de productivité en plus pour les recruteurs
Volume de placements	Recruteurs débordés par le volume ; goulets d’étranglement	76 % de placements supplémentaires grâce à un entonnoir plus rapide et filtré
Sentiment des candidats	Engagement inégal ; réponses faibles ou absentes	Taux d’engagement de 87 %, <0,5 % de refus d’interaction avec l’IA
Dépenses publicitaires	Dépenses élevées pour reconstituer un vivier froid	Jusqu’à 75 % d’économie sur les coûts publicitaires
Charge de travail & stress	Recruteurs saturés, débordés	Les recruteurs n’interagissent qu’avec des candidats qualifiés et intéressés
Confiance & conformité	Risque d’incohérence lors de l’approche et de la présélection	Scripts standardisés, revus, et intégration à l’ATS garantissent l’équité

Conditions de réussite

• Engagement de la direction dès le début
• Formation intégrée lors de l’onboarding
• Intégration facile à l’ATS (Bullhorn) et fonctionnalités d’échange de données
• Mise à jour des SOP faisant de l’IA la norme et non l’exception
• Boucles de retour d’expérience régulières pour ajuster les conversations et résoudre les problèmes

Pièges à éviter

• Ne supposez pas que les candidats refuseront l’IA : laissez les données montrer leurs préférences réelles
• Ne faites pas l’impasse sur la gestion du changement : l’adoption repose sur l’évolution de la culture interne
• Ne laissez pas les recruteurs se sentir remplacés : rappelez que l’IA les libère pour se concentrer sur leurs points forts

9. FORE Enterprise + Hackathon IA

FORE Enterprise, architecte de solutions IA au service de clients dans les services financiers, franchises sportives, logiciels, services de données et mode de luxe, est connue pour s’attaquer à des défis business complexes grâce à des applications d’IA intelligentes et évolutives.

Mais en interne, l’équipe voulait tester sa propre rapidité : pouvaient-ils construire des fonctionnalités prêtes pour les clients — dopées à l’IA — en moins de temps, avec moins de ressources, sans compromis sur la qualité ?

Le scénario : construire une fonction opérationnelle pour un produit de sourcing de deals, visant à aider les clients à trouver, classer et analyser des prospects grâce à un large modèle de langage (LLM). Normalement, le développement prendrait une semaine (avec IA) ou un mois (sans). Pourraient-ils le faire en 24 heures ?

La réponse est venue à travers un hackathon IA à l’échelle de l’entreprise, et les résultats ont été transformateurs, démontrant le potentiel des initiatives IA à accélérer le développement tout en maintenant les normes de qualité.

L’initiative IA

FORE a organisé un hackathon IA de 24 heures, répartissant tout son personnel en équipes pluridisciplinaires, chaque équipe ayant un objectif unique :

Utiliser l’IA pour développer une fonctionnalité opérationnelle qui soutient le sourcing de deals via un LLM et la présenter en démo en direct à un client en moins d’un jour.

Principaux outils et méthodes IA utilisés :

• Cursor : Environnement de codage natif à l'IA avec suggestions de code en ligne et préparation des commits
• Claude + ChatGPT : Pour générer de petits blocs de code ciblés, analyser les schémas et gérer la logique à l'aide du traitement du langage naturel
• « Mentalité d'éditeur » : Au lieu de laisser l'IA prendre le dessus, les équipes utilisaient l'IA comme copilote, générant du code par étapes, puis éditant et validant à chaque phase pour optimiser les résultats
• Critères pour la démonstration en direct : Chaque fonctionnalité devait être testable, visuelle et explicable en termes compréhensibles par le client

Résultats obtenus

• Le temps de développement s'est effondré passant d'une semaine à une journée pour les fonctionnalités clés du produit
• 100 % des fonctionnalités construites par l'IA ont été approuvées par le client pour une mise en œuvre complète
• La vélocité de l'ingénierie a bondi de ~5 000 commits mensuels à 30 000, indiquant une productivité accrue sans gonflement du code—une amélioration spectaculaire des indicateurs de performance clés
• Les équipes ont appris à faire confiance à l'IA pour la rapidité, tout en développant un jugement aigu sur les moments où orienter ou la dépasser

Résumé à retenir pour les dirigeants

Les outils d’IA seuls ne vous rendent pas plus rapide, la structure oui. En fournissant aux équipes un délai précis, des objectifs de fonctionnalités décomposés et la pleine autorisation d'utiliser l'IA comme partenaire créatif, FORE a réussi à livrer rapidement sans sacrifier la qualité.

Les hackathons ne sont pas de simples gadgets. Pour les petites entreprises, ce sont des moteurs d'apprentissage compressé qui font monter en compétence les équipes et livrent de la valeur en même temps, représentant des initiatives stratégiques offrant un retour sur investissement immédiat.

Drapeau rouge

Le code généré par l'IA n'est pas infaillible. Lors des premiers essais, des outils comme Claude ont mal compris les références d'objets, créé des dérives de schémas ou halluciné des couches de complexité inutiles. Laisser le modèle tourner trop longtemps sans points de contrôle a provoqué un gonflement des commits et des lacunes logiques.

Parlons franchement (avec conseils)

L'IA ne remplace pas les développeurs—elle accélère ceux qui sont doués et révèle la pensée négligée chez les autres. Tyler Hochman, fondateur et PDG de FORE Enterprises, partage quelques enseignements.

Nous avons continuellement appris des leçons sur le fonctionnement des outils. Les outils ont tendance à tout compliquer, ce qui peut être un piège. Si vous leur donnez une tâche ouverte, telle qu'implémenter cette fonctionnalité, ils ne produisent pas un résultat optimal, mais si vous décomposez la tâche en A, B, C, et D et vérifiez chaque étape, le résultat est bien meilleur.

Leçons retenues :

• Ne laissez pas l'IA gérer de grandes tâches ouvertes. Décomposez tout en éléments clairs et testables.
• Validez toujours la compréhension du schéma. Le modèle peut ne pas reconnaître vos structures de données par défaut.
• La supervision humaine est essentielle. L'IA donne le meilleur de soi-même lorsque sa sortie est traitée comme un brouillon.

Avant vs Après : Hackathon IA chez FORE Enterprise

Domaine 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 grâce au code assisté par IA + structure de hackathon ciblée
Taux d’approbation client	Variable, dépendant de l’itération et du contrôle qualité	100 % d’approbation des fonctionnalités créées lors du hackathon
Capacité de production de l'équipe d’ingénierie	~5 000 commits mensuels	30 000 commits mensuels après l’implémentation de l’IA
Coût de l’expérimentation	Élevé–nécessitait un sprint complet de développeur	Faible–24 heures de temps structuré en équipe par fonctionnalité
Adoption de l’IA par l’équipe	Exploration ponctuelle ; faible confiance dans les modèles	Adoption, confiance et expertise concrètes grâce à la collaboration en équipe
Gestion des risques liés à l’IA	L’IA complexifie, comprend mal les schémas	Risques atténués grâce à des instructions pas-à-pas + édition humaine

10. Smartbridge + Agent IA pour le recrutement

Une entreprise de taille moyenne dans les services pétroliers et gaziers (500–1 000 employés) avait du mal à recruter efficacement à grande échelle. Les recruteurs passaient trop de temps à rechercher, évaluer et relancer manuellement les candidats—souvent en s'appuyant sur des heuristiques et des intuitions incohérentes qui introduisaient des retards et des biais dans le processus d'embauche.

Avec plusieurs recruteurs gérant des volumes élevés sur différents sites, l'entreprise était confrontée à trois besoins majeurs :

• Réduire le temps d'embauche pour éviter la perte de productivité et améliorer l’expérience employé
• Standardiser les décisions d'embauche pour améliorer la cohérence et minimiser les biais, en prenant des décisions plus axées sur les données
• Dégager du temps aux professionnels RH pour qu’ils se concentrent sur la relation avec les candidats—et pas seulement sur la gestion des flux

Le recours à l’IA

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

Cet outil d'IA agentique a été conçu pour se connecter directement au BambooHR et au système de suivi des candidatures (ATS) de l'entreprise, assurant une intégration transparente aux flux de travail et la protection des données des employés. La solution a permis :

• Prise en charge automatisée du filtrage des candidats à travers les données ATS afin d'optimiser l'une des tâches RH les plus chronophages, incluant la capacité de tri sophistiqué des CV
• Recommandations contextuelles pour les relances recruteur, classées par qualité et urgence, permettant de prendre des décisions davantage basées sur les données
• Questions d’entretien standardisées générées à partir des descriptions de poste à l’aide des technologies d’IA
• Fonctionnalités de réduction des biais en imposant des critères uniformes lors de l’évaluation des candidats, améliorant l’équité grâce à une analyse approfondie des données
• Rendu des actions synchronisé avec des actions et des recommandations remises au bon moment aux recruteurs, adaptées aux besoins et préférences spécifiques au poste—l’IA veille à ce que rien ne passe entre les mailles du filet

Les Résultats

Les résultats ont été significatifs et vérifiables :

KPI	Avant l'IA	Après l'IA
Temps investi en recrutement	Manuellement intensif sur plusieurs semaines	Réduction de plus de 70% du temps passé sur le recrutement
Délai pour pourvoir un poste	Souvent retardé de 1 à 2 semaines	Processus d’embauche accéléré de 1 à 2 semaines
Cohérence du recrutement	Chaque recruteur utilisait des heuristiques différentes	Normes unifiées et informations partagées parmi les recruteurs
Biais lors du filtrage	Dépendant d'une évaluation subjective	Biais minimal, réduit grâce à une évaluation structurée
Adoption de l’outil par les recruteurs	Utilisation ATS manuelle	Adoption par 100% des recruteurs, avec des flux de travail intégrés

« Aujourd’hui, chaque recruteur l’utilise — et il le fait en toute confiance. Le système livre exactement ce dont ils ont besoin, au moment opportun, » 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 du BTP et des services de standardiser la qualité de recrutement, d’accélérer le temps de recrutement et de réduire considérablement l’effort manuel.

L’outil constitue désormais une infrastructure de base, et non plus une expérience marginale, démontrant le potentiel transformateur de l’IA pour la fonction RH lorsqu’elle est correctement intégrée.

Point de vigilance

Si le système d’IA n’est pas profondément intégré aux processus existants, l’adoption stagne. Ce qui a fait la réussite de ce cas, c’est la remontée fluide des informations pertinentes dans BambooHR et l’ATS, préservant la dynamique et la confiance des recruteurs.

Parlons vrai

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

• Ne surprenez pas votre équipe. Impliquez les recruteurs dès la conception.
• Faites ressentir l’IA comme un soutien, pas un remplacement. Employez-la pour recommander, non imposer.
• Gardez-la dans leurs outils. Si l’IA se trouve en dehors du système de référence, elle ne sera pas utilisée.
• Suivez la performance. Montrez aux recruteurs en quoi elle les aide à pourvoir plus vite et de façon plus équitable.

11. Docebo + IA : Recrutement, Engagement et Gestion des connaissances

Docebo, une entreprise mondiale de formation technologique avec environ 1 000 employés répartis entre l’Amérique du Nord et l’Europe, était confrontée à de nombreux défis d’embauche et d’exploitation à grande échelle. Les équipes d’acquisition de talents rencontraient des difficultés pour évaluer les candidats de façon homogène, prendre des notes efficaces lors des entretiens, et transformer rapidement les échanges avec les managers en décisions exploitables.

Parallèlement, les équipes People relisaient manuellement des milliers de commentaires d’enquêtes d’engagement chaque mois, ce qui ralentissait significativement leur capacité à agir sur les retours et à améliorer l’engagement des collaborateurs. Le partage de connaissances internes était aussi un point de blocage, notamment lors de projets comme des réorganisations d’équipes.

Docebo avait besoin de l’IA non pour l’effet de nouveauté, mais pour apporter de la clarté opérationnelle, accélérer la prise de décision et élever la qualité d’évaluation des candidats à l’échelle internationale—avec pour objectif d’améliorer simultanément plusieurs fonctions RH.

La stratégie IA

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

1. Intelligence recrutement + entretien

• Granola.ai a été introduit pour soutenir les recruteurs et les responsables du recrutement pendant les entretiens en retranscrivant automatiquement et en résumant les notes.
• Cela a libéré les recruteurs de la 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 résumés servent désormais d’archive pour savoir quelles questions ont mené à de bons recrutements — permettant d’affiner les stratégies d’entretien et de prendre des décisions d’évaluation des candidats plus fondées sur les données, créant ainsi des ensembles de données précieux pour une 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 s’est traduit par une nette amélioration de la qualité des candidats et une meilleure expérience employé dès le premier contact.
• Les recruteurs ont aussi expérimenté l’utilisation de technologies d’IA pour analyser les contenus publics des candidats (par exemple, publications LinkedIn) afin d’évaluer leur alignement avec les valeurs culturelles, telles que les qualités de leadership axées sur l’humain.
• Bien que ces informations ne servent pas à prendre les décisions finales, elles donnent une orientation pour les recrutements de dirigeants et soutiennent les discussions sur le développement de carrière.

3. Analyse des sentiments des enquêtes d’engagement

• Auparavant, l’examen de milliers de commentaires mensuels des enquêtes d’engagement prenait plusieurs semaines.
• Avec la synthèse par IA et des algorithmes d’analyse de données, les équipes RH pouvaient désormais détecter des thèmes émergents et des évolutions de sentiment en quelques heures, leur permettant de lancer plus rapidement des initiatives adaptées.
• Il est important de noter que chaque commentaire est toujours relu manuellement par des professionnels RH — mais l’IA sert de filtre de premier niveau pour faire remonter les problèmes urgents et réduire le délai entre les retours et l’action, améliorant considérablement la réactivité aux commentaires des employés et permettant des analyses prédictives sur les risques de départ.

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 pile technologique de Docebo.
• Les employés peuvent interroger Glean pour obtenir des résumés des priorités départementales, des organigrammes et des mises à jour de projets internes, soutenant ainsi le développement de carrière en clarifiant les trajectoires de progression.
• Par exemple, l’équipe RH l’a utilisé pour simplifier les efforts de conception organisationnelle en mettant instantanément en avant les objectifs et les structures des équipes en temps réel à partir des données des employés. Les responsables métier rapportent une nette amélioration de la rapidité de leur planification stratégique.

Les résultats

• Plus de 2 heures gagnées par recruteur/interviewer et par recrutement grâce à la prise de note automatisée
• Des milliers de commentaires d’enquête analysés chaque mois en quelques heures au lieu de semaines, améliorant la réactivité aux retours des employés
• Des descriptions de poste plus rapides et de meilleure qualité ont contribué à améliorer le vivier de candidats et l’expérience employé
• Meilleur ajustement du processus de recrutement grâce à l’analyse rétroactive des comptes-rendus d’entretien, permettant des décisions plus fondées sur les données
• Planification organisationnelle accélérée grâce aux synthèses internes en temps réel de Glean

« Nous ne considérons pas l’IA comme un jeu à somme nulle. Il s’agit de libérer le potentiel de nos équipes tout en gagnant en efficacité et en capacité de déploiement. » — Lauren Tropeano, VP des Ressources Humaines et de la Culture, Docebo.

Résumé pour les dirigeants

L’IA n’a pas besoin d’être révolutionnaire pour être transformatrice. Le succès de Docebo vient de l’intégration d’outils d’IA pratiques dans les processus existants : supprimer la friction de la prise de notes, révéler des informations organisationnelles et agir plus vite sur les retours d’engagement.

Leur démarche a été autant pragmatique qu’axée sur l’humain, avec de la gouvernance et de l’expérimentation pour porter une adoption durable dans toutes les fonctions RH.

Point d’alerte

Tous les outils d’IA ne fournissent pas des résultats exploitables. Docebo a dû tester plusieurs plateformes de prise de notes avant d’en trouver une qui captait le bon niveau de nuance et distinguait correctement les intervenants. La leçon ? Tester avant de déployer à grande échelle, et évaluer non seulement ce que l’IA peut faire, mais aussi si ce qu’elle fait est réellement utile pour vos processus RH.

En toute franchise (avec conseils)

• Commencez petit, développez intelligemment : Lancez avec des équipes pilotes, recueillez des retours, puis étendez sur la base de résultats mesurés et d’indicateurs clairs.
• L’IA ≠ Pilote automatique : Les équipes devront toujours faire preuve de sens critique et de discernement humain pour interpréter et exploiter les observations de l’IA.
• La gouvernance est essentielle : Définissez des frontières d’accès aux données (ex : pas d’accès aux systèmes RH sensibles) et clarifiez l’utilisation responsable des données des employés.

Avant vs Après : le parcours IA de Docebo

Zone de concentration	Avant l’IA	Après l’IA
Prise de notes lors des entretiens	Transcription manuelle après chaque appel ; détail et implication variables	Les synthèses Granola économisent plus de 2 heures par poste ; les managers peuvent se concentrer sur l’écoute au lieu de la saisie
Analyse des enquêtes d’engagement	Codage manuel de milliers de commentaires pendant des semaines	Les synthèses thématiques par IA offrent un retour quasi en temps réel et accélèrent la mise en action
Recherche de candidats	Offres d’emploi souvent noyées parmi des annonces génériques du secteur	Des annonces d’emploi conçues par l’IA, alignées sur les valeurs de l’entreprise, attirent des candidats mieux adaptés
Recherche sur la conception organisationnelle	Des heures/jours à fouiller dans les e-mails et Slack pour comprendre la structure de l’équipe	Glean affiche en quelques secondes les objectifs des équipes et les organigrammes
Évaluation culturelle	Visibilité limitée sur les comportements centrés sur l’humain chez les candidats à la direction	Les revues assistées par IA des contenus publics offrent des signaux de compatibilité culturelle

5 enseignements majeurs tirés de l’utilisation de l’IA en RH

Après l’analyse de dizaines de déploiements en conditions réelles, voici les principaux enseignements issus des équipes à la manœuvre aujourd’hui — non pas en théorie, mais en pratique :

More Articles

• Comment les RH peuvent intégrer la sécurité psychologique dans le parcours des employés
• Les petites équipes gaspillent leur plus grand atout en IA
• « Prêt pour l’IA » est une expression, pas une stratégie

1. L’intégration prime sur l’invention

Les projets les plus percutants ont intégré les technologies de l’IA dans des outils déjà utilisés par les équipes — comme Slack, les plateformes d’ATS ou les systèmes SIRH. La gestion du changement a été facilitée, 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 bouleverser les processus établis. Au lieu d’introduire des outils RH entièrement nouveaux, les implémentations réussies amélioraient ce que les équipes connaissaient déjà, réduisant ainsi les frictions et accélérant la production de valeur.

2. Le jugement humain demeure essentiel

Même les systèmes d’IA les plus avancés ne prenaient jamais de décision seuls. Chaque exemple intégrait un processus avec intervention humaine, renforçant la confiance, améliorant les résultats, et garantissant l’équité dans le recrutement, l’intégration et l’évaluation de la performance. L’apprentissage automatique et les algorithmes soutiennent la prise de décisions — ils ne remplacent pas le discernement des professionnels RH expérimentés. Les dirigeants qui l’ont compris voient l’IA comme un renfort, pas un remplaçant, et construisent ainsi des systèmes plus solides et plus dignes de confiance.

3. L’adoption nécessite de la confiance — pas seulement de la technologie

Les équipes qui ont réussi avec l’IA ont investi dans la formation, la transparence et le partage en interne. L’adoption de l’IA n’est pas seulement un défi technique, mais aussi culturel. Les équipes les plus performantes ont fait de l’IA un coéquipier plutôt qu’une menace, maintenant ainsi un engagement fort des collaborateurs lors des initiatives de déploiement. Pour réussir l’adoption, il faut répondre aux inquiétudes liées à la sécurité de l’emploi, démontrer la valeur par des projets pilotes, et célébrer les victoires ouvertement pour créer une dynamique positive.

4. La personnalisation dope la performance

La rapidité compte, mais la qualité est essentielle. L’IA apporte les bénéfices les plus forts lorsqu’elle crée des expériences adaptées et contextualisées — pour les candidats, les managers ou les nouveaux arrivants, améliorant ainsi le vécu global des employés. Qu’il s’agisse de plans d’intégration ou d’analyse de retours grâce aux données des collaborateurs, la spécificité l’emporte sur la généralisation. Le traitement automatique du langage a permis cette personnalisation à grande échelle au sein de diverses fonctions RH, favorisant des parcours d’apprentissage individuels, des discussions sur l’évolution professionnelle, et une communication ajustée. Les meilleures implémentations s’appuyaient sur l’analyse de données et la prédiction pour anticiper les besoins individuels, plutôt que d’appliquer des solutions uniformes.

5. De petits pilotes se déploient rapidement

La plupart des réussites ont commencé par des expérimentations à faibles risques mais à fort impact : un chatbot pour la fixation d’objectifs, un plan 30/60/90 généré par GPT, ou le tri automatique des CV. Dès lors que l’impact se démontrait par des indicateurs clairs de réduction des coûts et de gains d’efficacité, les équipes déployaient rapidement — avec crédibilité et assurance. Ces initiatives ciblées prouvaient la valeur de l’IA pour les RH avant de l’implanter à l’échelle de l’entreprise pour transformer les processus ou tâches RH. En commençant petit, les équipes testaient les technologies IA, affinaient les instructions, construisaient des jeux de données adaptés et développaient des cadres de gouvernance avant un déploiement global — ce qui augmentait considérablement les chances de réussite durable de l’IA.