Les outils d’IA générative appliqués au recrutement ne se limitent pas à reformuler des bullet points sur un CV. Côté candidat, ils restructurent la recherche d’offres, affinent le ciblage sémantique des candidatures et accélèrent la préparation aux entretiens. Côté employeur, les systèmes de tri automatisé analysent bien plus que les mots-clés : parsing de compétences, scoring comportemental, détection de cohérence chronologique. Comprendre les deux faces de cette chaîne change la manière dont on prépare et envoie une candidature.
Ce que les ATS alimentés par l’IA analysent réellement dans un CV
La plupart des articles conseillent d’adapter son CV aux mots-clés d’une offre. Le sujet commence en réalité après l’envoi. Les ATS (Applicant Tracking Systems) de dernière génération ne se contentent plus d’un simple matching lexical entre le CV et la fiche de poste.
Ces systèmes extraient des entités structurées : intitulés de poste normalisés, compétences techniques cartographiées sur des référentiels sectoriels, durées d’expérience calculées à partir des dates, et même la cohérence entre le niveau de responsabilité déclaré et les verbes d’action utilisés. Un CV qui liste « gestion de projet » sans indicateur de périmètre (budget, taille d’équipe, livrables) sera scoré plus bas qu’un CV qui quantifie ces éléments.
Le tri par IA relève du « haut risque » au sens de l’AI Act européen, avec des obligations spécifiques prévues pour le 2 décembre 2027. Mais les contraintes du RGPD et du droit du travail français s’appliquent dès maintenant. L’article L. 1221-8 du Code du travail impose que le candidat soit informé des méthodes et techniques d’aide au recrutement utilisées à son égard, et que ces méthodes soient pertinentes au regard de la finalité poursuivie.
Concrètement, un candidat peut demander à l’entreprise quels outils automatisés ont traité sa candidature. L’IA ne peut pas décider seule du rejet d’une candidature lorsque la décision produit des effets importants : le RGPD exige une intervention humaine réelle, pas une simple validation formelle du résultat algorithmique. Ce droit à la réévaluation humaine reste largement méconnu des candidats.
Rédaction de CV assistée par IA : calibrer le prompt pour dépasser le générique
Les plateformes spécialisées dans la rédaction de CV par intelligence artificielle se multiplient. Leur valeur dépend directement de la qualité du prompt fourni et du travail de relecture qui suit. Un outil comme ceux référencés sur https://www.jobassistant.fr structure cette démarche en guidant le candidat étape par étape.
Le piège principal : accepter la première sortie du modèle. Les LLM produisent des formulations statistiquement probables, ce qui signifie des phrases que des milliers d’autres candidats obtiennent aussi. Le résultat est un CV techniquement correct mais interchangeable.
Pour obtenir un document différenciant, le prompt doit inclure trois éléments que le modèle ne peut pas deviner :
- Le contexte sectoriel précis, avec le vocabulaire métier de l’entreprise cible (extrait directement de l’offre ou du site corporate)
- Les résultats chiffrés et vérifiables de chaque expérience, que le candidat fournit lui-même : pourcentage de croissance, volume traité, délai réduit
- Les contraintes de format imposées par le poste ou le secteur (CV d’une page en finance, CV projet en conseil, CV académique avec publications)
Un CV généré par IA sans données personnelles précises ressemble à tous les autres CV générés par IA. Les recruteurs expérimentés repèrent désormais les formulations types : « passionné par l’innovation », « fort esprit d’équipe », « orienté résultats ». Ces marqueurs déclenchent une lecture plus sceptique du reste du document.
Recherche d’emploi et matching algorithmique : exploiter les filtres intelligents
Les jobboards intègrent progressivement des couches d’IA qui dépassent la simple recherche par mots-clés. LinkedIn, Indeed et les plateformes sectorielles utilisent l’historique de navigation, les candidatures précédentes et le profil déclaré pour suggérer des offres.
Nous constatons que la qualité de ces recommandations dépend directement de la complétude du profil candidat. Un profil renseigné à moins de la moitié de ses champs disponibles reçoit des suggestions peu ciblées, parce que l’algorithme manque de signaux pour affiner le matching.
Trois leviers techniques améliorent la pertinence des résultats :
- Renseigner les compétences avec les intitulés exacts utilisés dans les offres du secteur visé, pas des synonymes approximatifs
- Activer les alertes paramétrées sur des combinaisons de critères (localisation, fourchette salariale, type de contrat) plutôt que sur un seul mot-clé générique
- Mettre à jour le profil régulièrement : les algorithmes favorisent les profils actifs dans leurs suggestions aux recruteurs
Le matching fonctionne dans les deux sens : le même algorithme qui propose des offres au candidat propose aussi des profils aux recruteurs. Optimiser son profil pour la recherche active améliore simultanément sa visibilité passive.
Analyse des émotions en entretien vidéo : une pratique désormais encadrée
Certains outils prétendaient analyser les micro-expressions faciales ou les variations vocales des candidats pendant les entretiens vidéo pour en déduire le stress, la motivation ou la sincérité. Cette analyse des émotions est interdite dans le cadre professionnel depuis le 2 février 2025, sauf exceptions prévues par le règlement européen. Un candidat confronté à ce type d’outil dispose d’un fondement juridique clair pour contester la méthode.
Protection des données personnelles et IA générative en recrutement
Partager un CV avec un assistant d’IA généraliste (ChatGPT, Gemini, Claude) pour le reformuler soulève une question rarement abordée dans les guides pratiques. Un CV contient des données personnelles au sens du RGPD : nom, coordonnées, parcours professionnel, parfois photo et date de naissance.
Côté candidat, le risque est limité tant que l’usage reste personnel. Côté employeur, utiliser un LLM pour trier ou classer des candidatures implique de déterminer un cadre de traitement, d’informer les candidats et, selon la CNIL, de réaliser une analyse d’impact si l’outil sert à prendre des décisions affectant les personnes.
Cette asymétrie d’obligations crée une situation où le candidat gagne à comprendre le cadre juridique. Demander à une entreprise si elle utilise des outils automatisés dans son processus de recrutement n’est pas une posture de défiance, c’est l’exercice d’un droit prévu par le Code du travail. L’information obtenue permet d’adapter sa candidature en conséquence, en s’assurant que le CV passe correctement les filtres techniques avant d’atteindre un regard humain.
