L’IA en recrutement PME peut faire gagner du temps, surtout quand vous recevez 80 CV pour un poste administratif ou commercial et que personne n’a une journée complète à consacrer au tri. Mais un mauvais usage peut aussi écarter un bon candidat, créer une discrimination ou produire une décision impossible à expliquer.
L’actualité réglementaire récente rappelle une chose simple : l’IA peut aider vos équipes RH, pas recruter à leur place. Chez Docentia, nous voyons surtout un besoin de méthode : savoir quoi automatiser, quoi vérifier, et quoi conserver sous responsabilité humaine. Voici une check-list utilisable dès cette semaine.
Contrôle n°1 : limiter l’IA aux critères vraiment liés au poste 🔍
Le premier contrôle consiste à vérifier que l’IA ne traite que des informations utiles pour évaluer la capacité du candidat à occuper le poste.
La CNIL le rappelle clairement : en recrutement, les informations demandées doivent permettre d’identifier le candidat adapté au poste et de vérifier ses compétences, ses qualifications et ses aptitudes professionnelles. Elle précise aussi que les questions sans lien direct et nécessaire avec l’emploi proposé sont interdites, par exemple des informations sur la famille ou un projet d’enfant. Vous pouvez retrouver ces repères dans la fiche CNIL dédiée aux données personnelles dans le recrutement en TPE/PME.
Exemple concret : une PME de 30 personnes dans l’industrie près de Tarbes recrute un technicien de maintenance. Elle peut demander à une IA de repérer les habilitations électriques, l’expérience sur machines industrielles et la disponibilité pour des astreintes si le poste l’exige. En revanche, elle ne doit pas lui demander d’inférer l’âge, l’état de santé, l’origine sociale ou la situation familiale à partir du CV.
Avant tout tri de CV, prenez 30 minutes pour écrire une grille simple :
- Compétences obligatoires : diplôme requis, habilitation, expérience minimale, permis si nécessaire.
- Compétences utiles : logiciel métier, secteur connu, langue étrangère.
- Éléments exclus : photo, adresse précise, âge, nom de famille, réseaux sociaux personnels.
- Phrase de cadrage : “L’IA aide à repérer les correspondances avec la fiche de poste, sans utiliser de critères personnels.”
Cette grille doit être préparée avant de lancer l’outil, pas après avoir vu les profils. Sinon, vous risquez de justifier a posteriori un classement produit par la machine.
Ce que vous pouvez automatiser utilement : l’extraction de mots-clés professionnels, la comparaison entre CV et fiche de poste, la synthèse d’expériences pertinentes. Ce que vous devez éviter : demander un “score global de personnalité”, une estimation de fiabilité ou une recherche automatique sur les réseaux sociaux.
Si vous n’avez pas encore formalisé vos usages, un diagnostic IA RH permet de distinguer les tâches à faible risque des décisions qui doivent rester strictement encadrées.
Contrôle n°2 : garder une décision humaine, visible et assumée
Le deuxième contrôle consiste à s’assurer qu’aucun candidat n’est rejeté uniquement par une machine.
C’est le point le plus sensible pour une PME. Un outil peut classer, signaler, résumer ou préparer une présélection. Mais la décision d’écarter une candidature, de retenir un profil ou de proposer un entretien doit rester prise par une personne identifiée : dirigeant, responsable RH ou manager recruteur.
Le sujet n’est pas théorique. Dans un article publié le 2 septembre 2026, Le Monde raconte le cas de Chad Markey, diplômé d’une université américaine prestigieuse, qui soupçonnait un logiciel de tri fondé sur l’IA d’écarter ses candidatures avant tout examen humain, en raison d’informations mal interprétées liées à des congés. Le même article rappelle que les usages RH comme le tri de CV, la présélection ou l’analyse vidéo sont considérés en Europe comme sensibles, voire à haut risque pour certains usages, car ils peuvent affecter les droits fondamentaux des candidats : IA au travail et discriminations RH.
Dans votre entreprise, cela se traduit par une règle opérationnelle :
- L’IA peut proposer une liste courte.
- Un humain relit les CV écartés automatiquement ou faiblement classés.
- La décision finale est notée dans un tableau simple.
- Le candidat peut obtenir une explication compréhensible s’il la demande.
Mini-scénario : vous recevez 120 candidatures pour un poste d’assistant commercial. L’IA repère 25 profils correspondant aux critères principaux. Avant de fermer le dossier des 95 autres, la personne chargée du recrutement vérifie un échantillon, puis relit tous les profils proches du seuil. Si un CV atypique montre une expérience transférable, il peut être réintégré.
Ce contrôle humain n’a pas besoin d’être lourd. Il doit surtout être réel. Un simple clic sur “valider la recommandation de l’IA” sans lecture sérieuse ne suffit pas.
Votre règle interne peut tenir en une phrase : “Aucune candidature n’est refusée uniquement sur la base d’un score IA.” Affichez-la dans votre procédure RH et appliquez-la à chaque recrutement.
Contrôle n°3 : tester les biais avant de trier les candidatures 📊
Le troisième contrôle consiste à vérifier que votre outil ne favorise pas certains profils sans raison professionnelle.
Un biais peut venir de l’outil, de vos critères, de vos anciennes habitudes de recrutement ou de la manière dont vous formulez l’offre. Une IA entraînée ou paramétrée sur des décisions passées peut reproduire des préférences qui n’ont jamais été écrites : école connue, parcours linéaire, interruption de carrière pénalisée, vocabulaire plus masculin ou plus diplômé.
France Num indique que l’adoption de l’IA progresse vite dans les petites entreprises : en 2025, 26 % des TPE-PME déclaraient utiliser des solutions d’IA, contre 5 % en 2023, selon son article sur l’essor de l’IA dans les TPE et PME. Cette progression rend les tests simples encore plus utiles, car beaucoup d’entreprises expérimentent avant d’avoir une vraie gouvernance.
Exemple concret : une PME de services à Pau cherche un chargé de clientèle. Elle utilise un outil pour classer les CV selon l’expérience commerciale. Après test, elle constate que les profils ayant eu une interruption de carrière sont moins bien classés, même quand l’expérience totale est équivalente. Le problème ne vient pas forcément d’une intention discriminatoire. Mais le résultat doit être corrigé.
Avant de lancer l’IA sur de vraies candidatures, testez-la sur 10 à 20 CV fictifs ou anciens CV anonymisés :
- Deux profils équivalents, avec des noms différents.
- Deux profils équivalents, avec ou sans interruption de carrière.
- Deux profils juniors, issus de formations différentes.
- Deux profils expérimentés, l’un avec parcours linéaire, l’autre avec reconversion.
Observez les écarts de classement. Si l’outil justifie mal ses résultats ou privilégie des éléments non liés au poste, ne l’utilisez pas pour présélectionner. Limitez-le à des tâches moins risquées, comme résumer les expériences ou préparer une grille d’entretien.
Vous pouvez aussi réduire les biais à la source :
- Rédigez une fiche de poste courte, centrée sur les missions réelles.
- Supprimez les critères “confortables” mais non indispensables.
- Relisez l’offre avec une personne extérieure au recrutement.
- Vérifiez que chaque critère peut être expliqué à un candidat.
L’objectif n’est pas d’obtenir une IA parfaite. L’objectif est de repérer rapidement les signaux faibles avant qu’ils n’affectent une vraie personne.
Contrôle n°4 : informer, tracer et sécuriser le processus RH ⚙️
Le quatrième contrôle consiste à documenter votre usage de l’IA pour pouvoir l’expliquer, le corriger et le sécuriser.
Ce contrôle est souvent oublié dans les PME, parce qu’il paraît administratif. En réalité, il vous protège. Si un candidat conteste un refus, si un manager veut comprendre une présélection ou si vous changez d’outil, vous devez savoir ce qui a été fait : quelles données ont été utilisées, par qui, avec quel outil et pour quelle finalité.
La CNIL recommande d’informer les candidats sur le traitement de leurs données, les destinataires, la durée de conservation, leurs droits et, le cas échéant, l’existence d’une prise de décision automatisée ou d’une solution algorithmique de tri. Elle rappelle aussi que les CV et lettres de motivation peuvent être conservés pour un vivier, en principe jusqu’à deux ans après le dernier contact, si le candidat en a été informé.
Exemple concret : une PME de 18 salariés à Toulouse utilise un tableur partagé pour suivre ses recrutements. Elle ajoute quatre colonnes : “outil IA utilisé”, “critères appliqués”, “validation humaine”, “motif de décision”. Ce n’est pas un système complexe. Mais en cas de question, l’entreprise peut montrer que l’IA n’a pas décidé seule.
Votre mini-dossier de preuve peut tenir dans un document d’une page :
- Nom de l’outil utilisé et finalité : tri, synthèse, compte rendu.
- Données traitées : CV, lettre, fiche de poste, notes d’entretien.
- Personnes ayant accès aux informations.
- Durée de conservation prévue.
- Étape de validation humaine.
Pour les comptes rendus d’entretien, soyez encore plus vigilant. Une IA peut vous aider à reformuler vos notes, à structurer les réponses ou à comparer les compétences avec la fiche de poste. Elle ne doit pas produire des appréciations psychologiques gratuites, ni déduire des traits de personnalité à partir d’un ton de voix, d’un visage ou d’un comportement.
À éviter :
- Enregistrer un entretien sans information préalable.
- Envoyer un CV contenant des données personnelles dans un outil non validé.
- Laisser tous les salariés accéder au dossier de candidatures.
- Conserver indéfiniment les profils “au cas où”.
Si votre entreprise dispose d’un CSE, pensez aussi à l’associer lorsqu’un nouvel outil modifie les méthodes d’aide au recrutement. Cela évite les incompréhensions et clarifie le rôle de chacun.
Pour monter en compétence sans transformer vos équipes RH en juristes ou data scientists, le catalogue des formations IA peut servir de point d’appui : comprendre les risques, pratiquer sur des cas simples, puis décider des usages acceptables.
Votre check-list RH prête à l’emploi
Votre check-list doit tenir sur une page et être utilisée avant chaque recrutement assisté par IA.
Voici une version simple à copier dans votre dossier RH :
1. Critères
- Les critères viennent-ils de la fiche de poste ?
- Chaque critère est-il lié à une mission réelle ?
- Les critères personnels ou sensibles sont-ils exclus ?
- La photo, l’âge et les réseaux sociaux personnels sont-ils ignorés ?
2. Rôle de l’IA
- L’IA sert-elle uniquement d’aide au tri ou à la synthèse ?
- Une personne relit-elle les profils écartés ?
- La décision finale est-elle prise par un humain identifié ?
- Le score IA est-il explicable sans jargon technique ?
3. Biais
- L’outil a-t-il été testé sur quelques profils comparables ?
- Les parcours atypiques sont-ils relus avec attention ?
- Les interruptions de carrière ne sont-elles pas pénalisées automatiquement ?
- Les critères “souhaités” ne bloquent-ils pas de bons profils ?
4. Traçabilité
- Les candidats sont-ils informés de l’usage d’un outil algorithmique si c’est le cas ?
- Les accès aux CV sont-ils limités aux personnes concernées ?
- La durée de conservation est-elle définie ?
- Les décisions sont-elles documentées simplement ?
Une PME n’a pas besoin de créer un service conformité pour bien faire. Elle a besoin d’un cadre court, appliqué à chaque recrutement. C’est ce qui transforme l’IA en assistant utile plutôt qu’en boîte noire.
Si vous démarrez, choisissez un seul cas d’usage : par exemple, la synthèse de CV pour un poste où les critères sont très factuels. Testez pendant un mois, mesurez le temps gagné, notez les erreurs, puis ajustez. La prudence n’empêche pas d’avancer.
L’IA peut vous aider à recruter plus sereinement si vous gardez la main sur les critères, la décision et l’explication donnée aux candidats. Chez Docentia, nous accompagnons les dirigeants de TPE et PME pour construire ces usages pas à pas, avec des règles compréhensibles par vos équipes. Pour sécuriser votre premier cas d’usage RH, vous pouvez demander un diagnostic de 30 minutes et repartir avec une première feuille de route concrète.