Candidatures automatisées, tri automatisé : comment sortir de la spirale du bruit

Avec l'IA, le recrutement s'enferme dans une boucle qui le rend moins lisible et moins efficace. Comment réduire le bruit et aider les recruteurs à mieux décider ?

Le recrutement s'est enfermé dans une boucle étrange : plus les candidats automatisent leurs candidatures, plus les entreprises automatisent leur tri. Chacun gagne du temps à son étape, mais le système dans son ensemble devient moins lisible et moins efficace.

En France, le nombre moyen de candidatures reçues par offre a progressé d’environ 30 % entre 2024 et 2025*. Les entreprises, elles, n’ont pas gagné 30 % de candidatures pertinentes.

L'augmentation du volume rend au contraire plus difficile l'identification des profils qui correspondent réellement au poste et à l'entreprise.

Plus de candidatures, pas nécessairement de meilleurs résultats

L’IA a considérablement réduit l’effort nécessaire pour postuler. Une lettre de motivation peut être générée en quelques secondes, un CV adapté rapidement et une candidature envoyée en un clic. Mécaniquement, cela encourage des démarches plus larges, avec parfois, une adéquation plus faible avec le poste ou une intention moins affirmée de rejoindre l’entreprise.

La réponse des employeurs a été logique : automatiser l’autre côté de l’équation. Si les candidats utilisent l’IA pour candidater à grande échelle, les entreprises l’utilisent pour présélectionner à grande échelle. Les outils classent les CV et appliquent des filtres pour absorber le volume.

C’est ici que la boucle se resserre. Les candidats apprennent à optimiser leur CV pour les systèmes de tri : davantage de mots-clés, des formulations standardisées, des candidatures plus nombreuses. Les entreprises reçoivent alors encore plus de dossiers difficiles à distinguer et renforcent leur automatisation. Chacun améliore sa productivité, sans pour autant rendre les recrutements plus pertinents ni gagner en efficacité.

Le problème n’est pas le matching automatisé

Le vrai problème vient du fait que les systèmes optimisent des objectifs trop simplistes : la présence de mots-clés, la ressemblance avec les recrutements passés ou la vitesse de traitement.

Lorsqu’un outil est entraîné sans recul sur des données historiques, avec des critères mal définis ou de mauvais indicateurs, il risque de reproduire les limites du modèle précédent. Le candidat en reconversion ou le profil atypique peuvent disparaître des radars avant même qu’un recruteur ne les voie.

À l’inverse, une bonne technologie de matching doit faire émerger l’inattendu. Sa valeur n’est pas de trouver toujours plus de candidats similaires, mais d’aider les recruteurs à identifier des compétences transférables, des trajectoires moins linéaires et des compatibilités qui ne sautent pas aux yeux dans un CV. 

Concevoir l’IA autour de la décision humaine

L'IA est indispensable pour réduire la charge administrative comme rédiger une première version d'offre, organiser l'information, associer des candidatures à des critères explicites ou faciliter la planification. Elle restitue alors du temps aux recruteurs pour comprendre un contexte, évaluer un potentiel et mener les échanges qui permettent de décider.

Mais un système d’IA produit ce qu’on lui demande d’optimiser. Si l’indicateur principal est le nombre de CV traités, il améliorera le débit. Si l’objectif devient la pertinence des candidatures, la diversité des parcours ou la réussite du recrutement à douze mois, la technologie sera conçue autrement.

Il faut donc mesurer autre chose que la vitesse ou le coût par candidature. La personne recrutée est-elle toujours en poste un an plus tard ? La réalité du poste a-t-elle répondu à la promesse ? A-t-elle trouvé sa place dans l’équipe ? Ces indicateurs disent davantage de la qualité du match.

L’enjeu n’est pas de permettre aux entreprises de traiter toujours plus de candidatures, mais de les aider à mieux identifier les profils pertinents. Cela suppose de réduire le bruit, de rendre les recommandations compréhensibles et de donner aux recruteurs les informations nécessaires pour exercer pleinement leur jugement. L’IA ne rendra pas, à elle seule, le recrutement plus efficace. Bien conçue, elle peut en revanche aider les recruteurs à prendre de meilleures décisions.

*source : données internes Welcome to the Jungle