En ces temps de fascination pour le prédictif, l’application de l’intelligence artificielle au recrutement et à l’évaluation des talents entretient le fantasme d’une méthode infaillible pour recruter le candidat idéal… et prévoir ses réussites. Les expériences menées aujourd’hui dans le monde ambitionnent de bouleverser les méthodes et processus : « on ne recrutera plus comme avant ». La recherche automatisée du perfect match est-elle une avancée ou bien au contraire un risque, aujourd’hui sous-évalué, de répétition des mêmes biais ?

Les innovations technologiques suivent une courbe connue qui va du doute préalable à l’adoption générale, en passant par une phase de… fascination. Nous vivons encore aujourd’hui dans cette période de fascination pour ce qui relève de la prévision. De là à vouloir appliquer les méthodes du marketing prédictif au recrutement des collaborateurs de l’entreprise, il n’y a qu’un pas, que nous sommes en train de franchir, non sans risques. Aussi, lorsque l’on parle d’IA appliquée au recrutement, il est bon de distinguer ce qui relève du fantasme de ce qui peut être véritablement bénéfique.

Un fantasme prédictif à ne pas sous-estimer
L’Oréal, qui reçoit 2 millions de candidatures par an, utilise un chatbot afin de s’assurer de ce que les candidats possèdent les prérequis nécessaires pour postuler aux offres. Vera, un logiciel créé par la startup Stafory, appelle lui-même les candidats pour mener les entretiens, etc. On en perçoit aisément les bénéfices de gain de temps, notamment pour les recrutements massifs de profils assez peu (ou moyennement) qualifiés ; mais il est essentiel de ne pas faire fi des questions que soulèvent ces pratiques, à plus long terme. Sans minimiser les avantages d’un sourcing et d’une sélection initiale facilités, faut-il céder à la magie des algorithmes pour identifier et recruter le collaborateur « idéal » ?

Des conséquences pour le marché des talents 
On sait déjà aujourd’hui exploiter des indices et détecter les signaux digitaux annonçant une volonté de changement chez un professionnel : mise à jour de CV, activité en hausse sur LinkedIn – notamment en interaction avec des recruteurs – nouvelles compétences recommandées, etc. Ils permettent aux recruteurs de présumer qu’un cadre recherche activement une nouvelle aventure professionnelle. Dans la masse de candidats du secteur digital, comment, en effet, optimiser efforts et investissements, pour ne cibler que ceux qui seraient réceptifs ? Et à quel message, quel type d’offre, quels types d’employeurs le seront-ils ? La réponse à ces questions, sous forme de données, chèrement négociées, permettrait aux recruteurs de cibler plus efficacement, certes, mais avec quelles conséquences pour le marché, les pratiques, les coûts et et les résultats ?

Identifier des corrélations entre données privées et performances
De fait, une fois le processus lancé, comment ne pas être tenté d’aller plus loin ; de se procurer, par exemple, des données concernant la vie privée des candidats (santé, mariage, divorce, déménagement, arrivée d’un nouvel enfant, loisirs pratiqués, etc.) afin de tenter d’identifier des corrélations avec leurs performances ? Le risque est d’autant plus grand en l’absence d’une connaissance approfondie du paramétrage des algorithmes impliqués dans les nouvelles méthodes de recherche. Quelle importance, dans ces conditions, l’évaluateur doit-il attacher à ses résultats ?

L’éternel retour… d’un même collaborateur
Nous avions des croyances (certains parleraient de préjugés), voici qu’aujourd’hui nous avons des algorithmes ! Fondamentalement, rien n’a changé : depuis vingt ans, les employeurs affectent les mêmes préjugés envers tel ou tel type de candidats. (À titre d’exemple, il était courant de considérer qu’un Bac +2 serait forcément un opérationnel et un Bac +5, plutôt capable de concevoir, piloter, manager ; qu’une femme serait moins apte au leadership, qu’un jeune serait plus dynamique qu’un senior, que celui qui a évolué 15 ans dans la même entreprise serait incapable de s’adapter, etc.). Il est aujourd’hui encore difficile de placer des outsiders ou des profils de + de 50 ans.

Le risque est grand de voir l’usage de l’IA reproduire ces biais discriminants ; à plus forte raison quand un logiciel auto apprenant se base sur les données d’un réseau social. (Il en déduira que le CDO idéal est plutôt un homme blanc de + de 40 ans, possédant tel diplôme.) Est-il possible de ne pas reproduire les modèles en place ainsi que les préjugés des employeurs ? Ne risquons-nous pas de faire exactement la même chose, avec de nouveaux outils cette fois ? Voire de renforcer les réflexes pourtant déjà dénoncés : recruter des clones, des candidats ressemblants à ceux qu’ils ont à remplacer (ou bien à ceux avec lesquels ils auront à travailler). Enfin, est- il sain de « coincer » les individus dans un déterminisme associé à leur profil, et leur créer un « destin » professionnel incontournable ?

L’IA pour oser et non pour prédire 
Les possibilités offertes par l’intelligence artificielle ne devraient-elles pas, au contraire, être employées à déceler de nouvelles corrélations, de nouvelles singularités dans les profils, et in fine, à découvrir de nouvelles ressources encore ignorées (plutôt qu’à reproduire du « même » ) ? La dimension « analytique » de la révolution digitale nous offre aussi l’opportunité de sortir des vieux modèles et de la croyance en un perfect match. Le challenge sera alors pour les professionnels du recrutement et leurs entreprises clientes, d’accepter de laisser la place à l’imprévisible, lequel peut receler une valeur inattendue voire déterminante. En effet, il est à la fois paradoxal et fascinant de constater qu’à mesure qu’il devient plus aisé d’identifier un candidat prometteur en se basant sur des données le concernant, ce sont les qualités humaines, (soit les moins quantifiables), qui sont les plus recherchées par les employeurs. Dans ce contexte, le feeling, l’expérience, l’écoute bienveillante, ne peuvent que demeurer des outils irremplaçables de la chasse aux talents.

____________
Emmanuel Stanislas est Fondateur de Clémentine, cabinet de recrutement du digital et de l’IT