IA et recrutement : comment les entreprises trient vraiment les candidatures aujourd'hui

Un recruteur reçoit 180 candidatures pour un poste de commercial et n'en recevra jamais 180 lectures attentives. Avant même qu'un humain n'ouvre le premier CV, un logiciel a déjà classé, noté ou écarté une bonne partie des dossiers. Ce n'est plus une hypothèse de science-fiction réservée aux multinationales : des TPE qui recrutent via des jobboards utilisent, souvent sans le savoir, des filtres automatisés intégrés à leur plateforme de diffusion d'offres. Comprendre ce qui se joue dans cette étape invisible change tout, que l'on soit celui qui trie ou celui qui espère passer le filtre.

Ce qu'on appelle vraiment le tri automatisé des candidatures

Le tri automatisé des candidatures désigne l'ensemble des traitements logiciels appliqués aux CV et lettres de motivation avant, ou à la place, d'une lecture humaine. Il recouvre des réalités très différentes selon la maturité de l'entreprise. Dans sa forme la plus simple, il s'agit d'un ATS (Applicant Tracking System) qui repère des mots-clés dans le texte du CV et classe les candidatures selon leur taux de correspondance avec la fiche de poste. Dans sa forme la plus avancée, il s'agit d'un moteur de scoring qui croise expérience, compétences, formation et parfois évaluations vidéo pour produire une note globale, sans qu'aucun humain n'ait encore lu une ligne.

La confusion vient souvent du mot « intelligence artificielle », employé pour des choses qui n'ont rien d'intelligent. Un ATS qui cherche la chaîne de caractères « Excel » dans un fichier PDF n'est pas de l'IA au sens strict, c'est de la reconnaissance de texte assortie de règles. Ce qui relève réellement du machine learning, ce sont les outils qui apprennent à repérer des profils similaires à ceux déjà recrutés avec succès, ou qui analysent le langage d'une lettre de motivation pour en déduire des traits de personnalité. Ces deux familles coexistent aujourd'hui dans la plupart des logiciels de recrutement vendus aux PME, souvent sous une même interface qui ne dit pas clairement laquelle des deux fait le travail.

Côté recruteur : ce que le logiciel fait vraiment à votre place

Pour une entreprise qui recrute, l'intérêt du tri automatisé est d'abord un gain de temps mécanique. Sur un poste ouvert, un recruteur passe en moyenne quelques secondes à quelques dizaines de secondes sur chaque CV lors d'un premier passage, un temps qui devient intenable au-delà d'une centaine de candidatures. L'ATS ne remplace pas ce premier tri, il l'accélère en éliminant d'emblée les dossiers qui ne mentionnent aucun des critères jugés indispensables : diplôme requis, logiciel maîtrisé, années d'expérience, zone géographique. Le recruteur récupère alors une short-list déjà réduite, sur laquelle il consacre enfin un temps de lecture réel.

Le problème, bien documenté par les professionnels du secteur, est que ce filtrage mécanique repose entièrement sur la qualité de la fiche de poste et des critères saisis en amont. Une fiche de poste mal rédigée, trop vague ou au contraire truffée d'exigences non essentielles, produit un tri absurde : des profils excellents écartés parce qu'ils n'ont pas repris le jargon exact de l'annonce, et des profils médiocres retenus parce qu'ils ont su remplir un CV de mots-clés sans substance derrière. L'outil ne juge jamais la pertinence réelle d'une expérience, il mesure une correspondance textuelle. C'est pour cette raison que les bonnes pratiques de recrutement insistent sur un point simple : plus l'entreprise est précise sur ce qu'elle cherche réellement, plus le filtre automatisé devient un allié plutôt qu'un obstacle.

Pour une petite structure sans service RH dédié, la tentation est grande de tout confier à l'outil, y compris la décision finale de convocation. C'est une erreur fréquente. Le scoring automatique fonctionne bien pour réduire un volume ingérable à une liste raisonnable, beaucoup moins bien pour départager des profils déjà proches, où l'appréciation humaine reste irremplaçable. Les entreprises qui obtiennent les meilleurs résultats gardent l'IA à sa juste place : un premier filtre grossier, jamais une décision de recrutement. Certaines choisissent d'ailleurs de sortir complètement de la logique du tri massif en passant par un cabinet de recrutement ou en misant sur la cooptation, deux approches qui court-circuitent le tri algorithmique en amenant directement des profils qualifiés.

Côté candidat : écrire un CV qui passe le filtre sans devenir un CV creux

Du point de vue du candidat, la logique s'inverse mais le principe reste le même : un CV parfaitement adapté au poste mais rédigé dans un style trop créatif, avec des colonnes, des icônes ou un format PDF mal converti, peut se retrouver illisible pour un ATS et donc classé en dernier alors qu'il correspond parfaitement au profil recherché. Le format compte presque autant que le contenu. Un CV en une colonne, structuré avec des intitulés de section standards (expérience, formation, compétences), au format Word ou PDF simple, se laisse analyser correctement par la quasi-totalité des logiciels du marché. Les tableaux, encadrés graphiques et polices trop originales, séduisants à l'œil humain, sont souvent la première cause de mauvaise lecture automatique.

Sur le fond, la règle qui fonctionne est de reprendre le vocabulaire exact de l'offre, sans pour autant tomber dans le bourrage de mots-clés artificiel. Si l'annonce mentionne « gestion de la relation client » et que le candidat a toujours écrit « suivi clientèle », il a intérêt à aligner sa formulation sur celle de l'offre, à condition que ce soit vrai. L'inverse, empiler des compétences non maîtrisées uniquement pour faire remonter son score, se retourne systématiquement contre le candidat dès l'entretien, où l'écart entre le CV et la réalité devient vite visible. Le tri automatisé récompense la précision du vocabulaire, pas l'exagération.

Panorama des outils : ce qu'ils font réellement, et où ils s'arrêtent

Le marché du recrutement assisté par logiciel n'est pas un bloc homogène. Trois grandes familles d'outils se partagent aujourd'hui les usages des entreprises françaises, avec des logiques et des limites très différentes qu'il vaut mieux connaître avant d'en choisir un ou d'y adapter sa candidature.

Cette dernière catégorie s'est développée très vite depuis l'arrivée d'assistants IA grand public dans les usages professionnels. De nombreux recruteurs, notamment en petite structure, utilisent désormais des assistants IA comme ChatGPT ou Claude pour résumer une pile de CV et gagner du temps sur la première lecture, sans passer par un logiciel de recrutement dédié. C'est un usage utile tant qu'il reste un résumé et non une décision automatisée, la nuance étant précisément ce que la réglementation surveille de près.

Biais, discrimination et RGPD : ce que la loi encadre déjà

Le tri automatisé pose une question de fond que les entreprises ne peuvent pas ignorer : un algorithme entraîné sur des recrutements passés reproduit mécaniquement les biais de ces recrutements. Le cas le plus connu reste celui d'un grand groupe technologique américain ayant dû abandonner un outil de tri de CV qui pénalisait systématiquement les candidatures mentionnant des activités ou établissements féminins, simplement parce que l'historique d'embauche sur lequel il avait appris comptait majoritairement des hommes. Rien ne garantit qu'un outil vendu aujourd'hui à une PME française en soit exempt, d'autant que les biais peuvent porter sur l'âge, l'origine du nom, l'adresse ou le type d'établissement scolaire, des critères qui n'ont légalement rien à faire dans une décision de recrutement.

Sur le plan réglementaire, le traitement de données de candidature par un algorithme entre pleinement dans le champ des obligations RGPD des petites entreprises. Le candidat doit être informé qu'un traitement automatisé intervient dans l'examen de sa candidature, et il conserve un droit à ce qu'une décision défavorable ne repose pas uniquement sur ce traitement automatisé sans intervention humaine. Concrètement, une entreprise ne peut pas se contenter de faire trancher un logiciel seul : un humain doit rester en mesure de revoir, corriger ou expliquer une exclusion. C'est autant une obligation légale qu'une garantie de bon sens, tant les faux négatifs des outils de tri sont fréquents sur des profils atypiques ou des reconversions.

Trouver le bon équilibre entre efficacité et équité

La question n'est plus de savoir s'il faut utiliser des outils de tri, la majorité des entreprises qui reçoivent plus d'une trentaine de candidatures par poste y ont déjà recours d'une manière ou d'une autre, ne serait-ce qu'à travers les fonctions de tri intégrées aux jobboards. La vraie question est de savoir où placer le curseur entre gain de temps et perte de discernement. Une entreprise qui laisse un algorithme éliminer seul, sans supervision, prend un double risque : juridique d'abord, mais aussi et surtout un risque de passer à côté des meilleurs profils, ceux qui n'écrivent pas leur CV comme un formulaire optimisé mais qui ont l'expérience réelle recherchée.

Pour un candidat, la meilleure stratégie reste double : construire un CV lisible par une machine tout en restant honnête sur son contenu, et ne jamais négliger les canaux qui échappent totalement au tri automatique, réseau professionnel, candidature spontanée adressée directement à un dirigeant, recommandation d'un contact commun. Ces voies parallèles pèsent d'autant plus lourd que le filtre algorithmique se généralise : plus le tri automatisé se banalise, plus les candidatures qui contournent ce filtre en entrant par une porte humaine prennent de valeur relative. L'IA a changé la manière dont on trie les CV, elle n'a pas supprimé l'intérêt de se faire connaître autrement que par un fichier PDF.