RH et IA: Quand les pratiques deviennent visibles
Natalie Gyöngyösi
Natalie Gyöngyösi, domiciliée à Zurich, a commencé sa carrière comme journaliste avec une passion pour l'art, la culture, la mode et le design. Après avoir été chasseuse de têtes pendant de nombreuses années, puis être passée chez des entrepreneurs généraux en tant que recruteuse, elle travaille désormais comme responsable de l'acquisition de talents et de la marque employeur chez GLOBUS, le premier magasin de luxe et de haut de gamme de Suisse. Natalie explore les concepts du «New Work» et met en œuvre diverses stratégies de recrutement ciblées et un «Employer Branding» authentique.
Aides de travail appropriées
EN BREF:
L’intelligence artificielle en RH ne crée pas de meilleures décisions — elle rend visibles celles qui existent déjà. Sa valeur stratégique réside dans sa capacité à révéler les biais, les incohérences et les zones floues des pratiques RH. Utilisée correctement, elle devient un levier de clarté, de responsabilité et de leadership.
À retenir :
→ L’IA révèle les pratiques RH plutôt qu’elle ne les transforme automatiquement
→ La qualité des décisions dépend des critères définis en amont
→ Les biais sont souvent structurels et reproduits par les systèmes
→ L’IA renforce la cohérence… mais aussi les erreurs existantes
→ La clarté stratégique prime sur l’efficacité technologique
Dans le domaine des RH, l’intelligence artificielle est souvent abordée sous l’angle de l’efficacité : plus rapide, moins coûteuse, évolutive. Sa véritable contribution réside ailleurs. L’IA rend visible la manière dont les décisions sont réellement prises – et les domaines dans lesquels les RH se sont jusqu’à présent cachées derrière des processus, des intuitions ou des discours flatteurs. Dans une logique RH et IA, cette transparence devient un levier stratégique. En bref : l’IA n’est pas un raccourci. C’est un test de clarté.
L’IA n’est pas un accélérateur, mais un outil de précision
Le discours courant est le suivant : l’IA rend les RH plus rapides. Plus de débit, moins d’efforts, de meilleurs processus. C’est vrai – mais cela reste une mauvaise approche. Car la vitesse est rarement le problème central dans les RH. Ce sont les critères flous. Les attentes contradictoires. Et un amour étonnant pour la zone de confort, que l’on appelle volontiers « culture » lorsqu’on n’a pas envie de prendre des décisions.
L’IA n’a pas pour effet premier de perturber, mais de clarifier. Elle oblige les organisations à rendre explicites des hypothèses implicites — un enjeu clé dans toute stratégie RH et IA :
- qu’est-ce qui est considéré comme pertinent ?
- qu’est-ce qui compte comme un « bon ajustement » ?
- quelles étapes sont souhaitables, lesquelles sont suspectes ?
- quels signaux interprétons-nous comme une compétence – et lesquels comme un risque ?
L’IA ne se demande pas si une hypothèse est judicieuse – elle veut seulement savoir si elle est définie. Et c’est précisément à ce moment-là qu’apparaît à quel point les RH reposaient jusqu’à présent sur une ambiguïté poliment dissimulée. L’IA est d’une honnêteté impitoyable: elle exécute.
Le recrutement avec l’IA : l’efficacité met en lumière ce dont on préfère ne pas discuter
Le recrutement n’a jamais été un domaine propice au romantisme. Le délai de recrutement, l’entonnoir de recrutement ou le coût par recrutement ne sont pas des mots à la mode, mais des réalités économiques.
L’IA met de l’ordre dans ce domaine : des exigences structurées, des profils comparables, une présélection cohérente, des processus clairement documentés. Dans un contexte RH et IA, ces gains d’efficacité sont indéniables. Au niveau des processus, c’est un avantage. Cela devient problématique lorsque cet ordre est interprété à tort comme une preuve de qualité.
De nombreux modèles basés sur l’IA s’appuient sur des profils de réussite existants. On analyse qui a fait ses preuves, quels parcours, étapes et compétences reviennent fréquemment – et on en déduit des modèles. Il en résulte des présélections qui semblent étonnamment « adaptées ». Et c’est précisément là que le problème commence : « adapté » n’est souvent qu’un autre mot pour « connu ».
Si les profils de réussite se composent historiquement de CV similaires, l’IA reproduira systématiquement cette similitude. Non pas par intention discriminatoire, mais par loyauté envers le passé. Et avec une efficacité qui rend difficile de remettre en question le résultat. Ce qui n’était auparavant qu’un modèle devient soudainement la norme – plus rapide, plus propre, plus robuste.
Tableau comparatif: RH et IA
| Dimension | Promesse courante de l’IA | Réalité observée | Enjeu RH stratégique |
|---|---|---|---|
| Efficacité | Processus plus rapides et fluides | Clarification des critères flous | Définir explicitement les critères de décision |
| Recrutement | Meilleure sélection des talents | Reproduction des profils historiques | Questionner les modèles de « succès » |
| Objectivité | Réduction des biais | Amplification des biais existants | Choisir consciemment données et critères |
| Employer Branding | Messages plus attractifs et cohérents | Discours lisse et interchangeable | Assumer une identité claire et différenciante |
| Rôle des RH | Automatisation des tâches | Exposition des pratiques réelles | Renforcer le jugement et la responsabilité |
Recommandations de produits
L’objectivité n’est pas une propriété du système
La phrase « L’IA réduit les biais » semble moderne et responsable. Mais elle n’a de sens que si l’on clarifie au préalable de quoi il s’agit réellement. Un biais n’est pas une erreur isolée que l’on supprime d’un système comme une faute de frappe. Le biais est souvent structurel : dans les données, dans les logiques d’évaluation, dans les parcours professionnels, dans l’accès aux opportunités. L’IA travaille avec des données. Les données sont toujours historiques. Et l’histoire est rarement juste.
Lorsque les évaluations de performance récompensent certains comportements, un modèle apprend précisément ces schémas comme étant le « succès ». Lorsque les promotions sont principalement accordées à ceux qui ont eu accès aux bons projets, cela devient du « potentiel ».
Si les ruptures dans le parcours professionnel étaient considérées comme un risque, l’IA les marque comme un risque – mais de manière plus cohérente. L’IA ne juge pas. Elle répète.
L’objectivité ne résulte donc pas de la technologie, mais de choix délibérés :
- quels critères s’appliquent ?
- quelles données sont admissibles ?
- quels signaux sont autorisés à jouer un rôle ?
Qui ne définit pas d’attitude obtient des statistiques.
Mini-scène tirée du quotidien : La liste restreinte, trop belle pour être vraie
350 candidatures. Cinq minutes plus tard, une liste restreinte est disponible : douze profils, soigneusement classés, avec un score à côté et quelques compétences énumérées. Cela donne une impression de professionnalisme. Mais en y regardant de plus près, la désillusion s’installe. Presque tous les profils se ressemblent : formation similaire, secteurs similaires, étapes similaires, parcours professionnels similaires et linéaires. Le système n’a pas trouvé « les meilleurs », mais ceux qui se rapprochent le plus de l’idéal historique. Le moment décisif n’est pas de dire « c’est la faute du système », mais de se poser la question suivante : que récompensons-nous exactement ici ? L’IA a placé un miroir. Ce n’est pas la faute du miroir si l’on n’aime pas ce que l’on y voit.
Employer Branding : quand le langage peut tout faire – sauf faire la différence
Dans l’Employer Branding, l’IA semble d’abord être un cadeau. Les textes sont rédigés plus rapidement, de manière plus cohérente et sans erreur. Offres d’emploi, déclarations sur la proposition de valeur de l’employeur (EVP), pages Carrières, publications sur les réseaux sociaux – tout sonne bien.^Et c’est précisément là le problème. L’IA produit un consensus linguistiquement parfait : valorisant, porteur de sens, moderne, inclusif. Aucune erreur. Aucun risque. Pas de personnalité. Les phrases sont si lisses qu’on pourrait les interchanger à volonté. L’image de marque de l’employeur n’est toutefois pas un problème de texte. C’est un problème de décision. L’IA peut formuler ce qui est dit. Elle ne décide pas de ce que représente une entreprise. Déléguer l’image de marque de l’employeur à l’IA, ce n’est pas déléguer la créativité, mais l’attitude — un enjeu central en RH et IA.
Le consensus est confortable. Les marques naissent ailleurs
Une marque employeur ne naît pas là où personne ne dérange. Elle naît là où les décisions deviennent visibles : sur la performance, les attentes, les frictions et la réalité. Qu’est-ce qui est vraiment important chez vous – non pas dans la charte, mais au quotidien ? Qu’est-ce qui est toléré, qu’est-ce qui ne l’est pas ? Plus l’IA lisse le langage, plus ce qui n’est pas lisse prend de l’importance : l’authentique, le spécifique, l’intransigeant. L’IA peut uniformiser les textes. L’identité naît de la contradiction. La marque commence là où tout le monde n’applaudit pas.
L’IA comme miroir – et comme tueuse d’excuses
L’intelligence artificielle n’est pas un outil RH de plus. Elle agit comme un miroir. Elle montre si les critères sont définis ou simplement gérés, si l’image de marque de l’employeur reflète la réalité ou n’est qu’un vœu pieux, si le recrutement assume ses responsabilités ou se cache derrière des logiques systémiques. L’IA ne prend pas de meilleures décisions. Elle applique systématiquement les logiques existantes. Et c’est précisément pour cela qu’elle dérange : elle prive les RH de la possibilité de se cacher derrière la « complexité ». Du coup, il faut dire ce que l’on pense. Définir ce qui compte. Justifier pourquoi. Ce n’est pas une question technique. C’est une question de leadership.
Le rôle des RH : moins d’administration, plus de jugement
Avec l’IA, les attentes envers les RH évoluent sensiblement. On s’éloigne du traitement opérationnel pour aller vers une classification réfléchie.
Il s’agit de critères – ce qui est réellement pertinent pour le poste et ce qui n’est qu’une tradition décorative.
Il s’agit de données – quelles informations peuvent être utilisées et lesquelles faussent plus qu’elles n’expliquent.
Il s’agit de transparence envers les candidats.
Et enfin, il s’agit de responsabilité : qui observe, corrige et décide lorsque le modèle se trompe.
Ce ne sont pas des questions d’outils. Ce sont des questions de leadership. L’IA ne rend pas les RH superflues. Elle rend visibles les mauvaises pratiques RH — une réalité incontournable en RH et IA.
Checklist : réussir l’intégration de l’IA en RH
→ Définir explicitement les critères de sélection et d’évaluation
→ Auditer les données utilisées (origine, biais, représentativité)
→ Distinguer « profils performants » et « profils historiquement présents »
→ Tester régulièrement les résultats des modèles (cohérence, diversité)
→ Former les équipes RH à l’interprétation des outputs IA
→ Maintenir un contrôle humain dans les décisions clés
→ Clarifier la proposition de valeur employeur au-delà du discours
→ Vérifier l’alignement entre communication RH et réalité interne
→ Documenter les décisions prises avec l’IA
→ Assumer la responsabilité finale des choix (et non la déléguer à la technologie)
L’expérience candidat reste une question d’attitude
L’IA peut accélérer, structurer et uniformiser l’expérience candidat. Elle peut rendre les processus plus compréhensibles et rendre la communication plus cohérente. Ce qu’elle ne peut pas faire, c’est susciter le respect. Ce n’est pas le système qui détermine si un refus est perçu comme équitable, mais le ton, le moment choisi et la clarté. La technologie fournit le cadre. L’attitude détermine l’impact.
Conclusion : la clarté l’emporte sur l’efficacité
L'intelligence artificielle a été présentée comme une promesse d'efficacité. Sa véritable valeur réside ailleurs. Elle oblige les organisations à mettre à nu leurs logiques décisionnelles – et à assumer leurs responsabilités. Elle met en évidence les domaines où le recrutement est rapide, mais manque de clarté. Ceux où l'image de marque de l'employeur semble séduisante, mais ne correspond pas à la réalité. Ceux où la diversité est souhaitée, mais n'est pas mise en œuvre. Quiconque utilise l’IA pour économiser du travail devient interchangeable. Quiconque l’utilise pour affiner ses décisions gagne en visibilité. Non pas malgré l’IA, mais plutôt grâce à elle. Car en fin de compte, ce n’est jamais la technologie qui a été en jeu. Mais toujours l’attitude.
FAQ: RH et IA
L’IA rend-elle les décisions RH plus objectives ?
Non, elle rend les décisions plus cohérentes — mais sur la base de données et critères existants.
Pourquoi l’IA reproduit-elle les biais ?
Parce qu’elle apprend à partir de données historiques qui reflètent déjà des déséquilibres.
L’IA améliore-t-elle vraiment le recrutement ?
Oui en termes de structure et d’efficacité, mais pas sans un travail préalable sur les critères.
Quel est le principal risque en employer branding avec l’IA ?
Produire des messages génériques sans identité réelle ni différenciation.
Quel est le nouveau rôle des RH avec l’IA ?
Passer d’un rôle opérationnel à un rôle de jugement, de cadrage et de responsabilité.
Pour aller plus loin:
