(AfriquesPlus) - Cent soixante-dix-huit candidatures pour un seul poste informatique. Au service des ressources humaines du cabinet Addleshaw Goddard, l’afflux a été tel que l’équipe a décidé de confier le tri à une intelligence artificielle. Pilita Clark, du Financial Times, raconte cette expérience dans un article publié le 11 octobre 2026.
Il y a un an, selon la journaliste, une offre de ce type n’aurait attiré qu’une vingtaine ou une trentaine de CV. L’IA a rendu la candidature plus rapide et plus facile, d’où cette avalanche. Or plus le tri traîne, plus les bons profils risquent de signer ailleurs. Encouragés à tester des usages sûrs de l’IA, les responsables du cabinet ont donc comparé un agent, configuré sur le système Copilot de l’entreprise, au jugement de leurs équipes.
Les humains ont d’abord réduit la pile à une douzaine de dossiers, que l’agent a ensuite notés. Chaque camp a désigné ses favoris, mais les deux listes différaient. D’après le Financial Times, la machine a été séduite par des candidatures brillantes, vantant des exploits informatiques réalisés en un temps record ou de gros projets menés avec peu d’expérience. Des profils trop beaux pour être vrais, qui laissaient penser qu’une IA avait aidé à les rédiger.
Katherine Rathbone, responsable des ressources humaines du cabinet, avance une première explication : l’IA facilite l’adaptation d’un CV à une annonce. Elle en propose une seconde. La maîtrise de l’IA figurait parmi les critères du poste, et l’agent « peut avoir interprété les signes d’un recours à l’IA dans la rédaction du CV comme la preuve d’une compétence en IA », a-t-elle indiqué à la journaliste.
Il existe aussi une piste plus troublante, selon l’article : l’agent aurait pu préférer ces CV pour la seule raison qu’une IA avait contribué à les écrire.
Pilita Clark rapproche l’épisode d’un document de recherche encore en cours de révision. Ses auteurs ont simulé des processus de recrutement. Les candidats qui recouraient au même modèle de langage que le recruteur avaient entre 23 % et 60 % de chances supplémentaires d’être présélectionnés. L’un des chercheurs, Jiannan Xu, assure que les analyses actualisées confirment que les modèles « présentent un comportement d’auto-préférence ».
Le même travail suggère que ce biais peut être réduit de plus de moitié. Il suffit de demander aux modèles d’ignorer l’origine des CV pour se concentrer sur leur contenu, et de multiplier les modèles d’évaluation afin de diluer le biais de chacun.
Chez Addleshaw Goddard, le poste a finalement été attribué à un candidat choisi par des humains, qui n’était pas celui que l’agent avait placé en tête. Pour Katherine Rathbone, ces outils ont un potentiel s’ils sont bien utilisés, mais « le jugement humain reste important ».
