Quand l’IA trie des CV écrits par l’IA

La première réaction pourrait être de regretter une époque où chaque candidat écrivait seul son CV.

Mais ce serait probablement aller un peu vite.

Une étude publiée dans Management Science en 2025 apporte ici un résultat particulièrement intéressant. Les chercheurs ont réalisé une expérimentation auprès de près d’un demi-million de demandeurs d’emploi sur une plateforme en ligne.

Certains candidats bénéficiaient d’une assistance algorithmique améliorant la rédaction de leur CV.

Résultat : ils ont été embauchés 8 % plus souvent et à des salaires 10 % plus élevés. Les chercheurs n’observent par ailleurs pas de baisse de satisfaction des employeurs après l’embauche. Les CV améliorés comportaient notamment moins d’erreurs et étaient plus faciles à lire.

Attention toutefois : l'outil étudié fournissait une assistance algorithmique non générative. Il ne s'agissait donc pas exactement de demander à ChatGPT de réécrire intégralement son CV.

Mais l'expérience pose une question essentielle : un CV mieux écrit est-il une manipulation ou simplement une meilleure transmission de l'information ?

Les chercheurs privilégient plutôt la deuxième hypothèse.

Une personne peut être excellente dans son métier et mauvaise pour rédiger un CV. Améliorer la forme peut alors permettre au recruteur de mieux percevoir ses capacités réelles.

Dans ce cas, l’IA ne détruit pas nécessairement le signal. Elle réduit le bruit.

A lire aussi : IA : alliée ou ennemie du recruteur ?

Prenons une offre recherchant un profil capable de travailler dans un environnement international, de gérer des projets complexes, de faire preuve d’adaptabilité et de leadership.

Un candidat peut aujourd’hui copier cette offre dans un outil d’IA générative et demander : « Adapte mon CV à cette offre et mets davantage en valeur les expériences et compétences pertinentes. »

Quelques secondes plus tard, son expérience internationale ressort davantage. Ses projets sont reformulés. Son adaptabilité devient explicite. Son vocabulaire se rapproche de celui utilisé dans l’offre.

Et quelques instants plus tard, un système de recrutement peut analyser ce document et y rechercher précisément…

l’expérience internationale, la gestion de projet, l’adaptabilité et le leadership.

La boucle est bouclée.

L’IA candidat apprend à produire les signaux que l’IA recruteur apprend à rechercher.

Et ce phénomène pose une question importante : améliorons nous réellement notre capacité à identifier les candidats pertinents ou améliorons nous progressivement la capacité des CV à correspondre aux systèmes qui les analysent ?

A lire aussi : IA générative et recrutement : révéler plutôt que trier

Cette question n’est plus seulement théorique.

Une expérimentation publiée en 2025 a étudié comment des variations relativement subtiles d’un CV pouvaient influencer un outil de recrutement utilisant un Large Language Model.

Les chercheurs ont notamment isolé l’effet des interruptions de carrière et de l’utilisation de certains mots-clés.

Leurs résultats montrent que ces modifications peuvent influencer significativement l’évaluation réalisée par le système.

Cela ne signifie évidemment pas que tous les outils de recrutement utilisant de l’IA fonctionnent de cette manière.

Mais cela révèle une fragilité fondamentale.

Si le candidat comprend les informations utilisées par le système pour produire son classement, il peut progressivement apprendre à optimiser son document pour celles-ci.

C'est finalement une version moderne d'un phénomène qui existait déjà avec les premiers ATS et l'optimisation des CV par mots-clés.

La différence est l’échelle.

L’IA générative rend désormais cette optimisation accessible à presque tout le monde, en quelques secondes.

Car il existe une autre manière de regarder cette évolution.

Pendant longtemps, savoir faire un bon CV constituait en soi un avantage.

Savoir choisir les bons mots. Comprendre les codes du recrutement. Présenter son expérience de manière attractive. Éviter certaines formulations. Adapter son discours à l’entreprise.

Mais sommes-nous réellement intéressés par la capacité d’un développeur, d’un commercial ou d’un contrôleur de gestion à rédiger un excellent CV ?

Pas nécessairement.

Si l’IA permet demain à davantage de candidats de présenter clairement leurs expériences et leurs compétences, elle pourrait réduire une partie de cet avantage lié à la maîtrise des codes.

Le CV pourrait alors devenir un meilleur support d’information, mais un moins bon outil de différenciation.

Et c’est probablement là que se trouve le véritable changement.

Un CV reste extrêmement utile.

Il permet de comprendre un parcours, d’identifier des expériences, des formations, des environnements professionnels ou certaines compétences déclarées.

L’IA peut certainement nous aider à traiter cette information beaucoup plus efficacement.

• Parser 300 CV.

• Identifier certaines expériences.

• Synthétiser des parcours.

• Faire ressortir des éléments correspondant à des critères définis.

• Permettre au recruteur de retrouver rapidement une information.

Sur ces tâches, automatiser peut avoir énormément de sens.

Une revue systématique publiée en 2025, portant sur 49 études évaluées par les pairs, identifie d'ailleurs l'amélioration de la productivité et l'automatisation du screening parmi les bénéfices potentiels de l'IA appliquée au recrutement.

Mais il existe une différence fondamentale entre traiter une information existante et produire une nouvelle information sur un candidat.

Et cette frontière devient essentielle.

Un CV peut indiquer qu’une personne a managé une équipe de 15 collaborateurs.

Il ne mesure pas son leadership.

Un CV peut indiquer qu’elle a travaillé dans trois secteurs différents.

Il ne mesure pas nécessairement sa capacité d’adaptation.

Un CV peut présenter de nombreux projets complexes.

Il ne mesure pas directement ses capacités de raisonnement.

Un candidat peut écrire qu’il aime travailler en équipe.

Cela ne nous apprend finalement que peu de choses sur ses comportements lorsqu’il doit réellement collaborer avec d’autres.

Aucune reformulation du CV ne crée cette information.

C'est ici que le recrutement doit probablement distinguer deux usages très différents de l'intelligence artificielle.

• D'un côté, utiliser l'IA pour réduire la charge informationnelle du recruteur.

• De l'autre, utiliser l'IA pour décider ce que vaut un candidat.

Ce ne sont pas les mêmes promesses. Et surtout, elles ne nécessitent pas le même niveau de preuve.

A lire aussi : IA générative : transformer le recrutement sans le déshumaniser

Il existe également une tentation compréhensible : considérer qu'un système automatisé serait nécessairement plus objectif qu'un recruteur.

La littérature scientifique invite à beaucoup plus de prudence.

Une importante revue multidisciplinaire publiée en 2025 dans ACM Transactions on Intelligent Systems and Technology montre justement que la recherche sur le recrutement algorithmique est traversée par deux récits opposés : celui d'algorithmes permettant de remplacer des décisions humaines biaisées, et celui d'algorithmes automatisant au contraire certaines discriminations. Les auteurs invitent à dépasser cette opposition trop simple.

Une autre revue systématique portant spécifiquement sur l'IA et les biais en ressources humaines rappelle que les effets positifs comme négatifs dépendent fortement des systèmes étudiés et de la manière dont les notions mêmes de biais et de discrimination sont définies.

Autrement dit, automatiser une décision ne la rend pas automatiquement objective.

Tout dépend de ce que l'on mesure, des données utilisées, des critères retenus, de la validation du dispositif et de la place laissée au jugement humain.

Bien sûr que nous le pouvons.

La vraie question est plutôt : quelles parties du recrutement voulons-nous automatiser ?

Si l’IA permet à un recruteur de passer moins de temps à ouvrir, classer, résumer ou rechercher des informations dans des centaines de CV, elle répond à un problème très concret.

Elle redonne du temps.

Mais ce temps gagné devient particulièrement intéressant s'il est réinvesti dans ce que le CV nous apprend difficilement.

• Comprendre comment une personne raisonne.

• Explorer ses motivations.

• Évaluer certains comportements.

• Mesurer des aptitudes ou des compétences.

• Questionner une expérience en entretien.

• Confronter une hypothèse à une mise en situation.

C'est précisément la logique d'une évaluation structurée : ne pas simplement interpréter davantage les informations que le candidat a choisi de présenter, mais produire de nouvelles données pertinentes pour éclairer la décision.

L’arrivée de l’IA dans le recrutement ne signe probablement pas la fin du CV.

Elle pourrait en revanche nous obliger à être beaucoup plus précis sur ce que nous attendons de lui.

Le CV est une source d'information sur un parcours.

Il n'est pas une mesure exhaustive du potentiel d'une personne.

Et à mesure que les candidats disposeront d'outils toujours plus performants pour présenter leur parcours, cette distinction deviendra probablement encore plus importante.

Alors oui, utilisons l'IA pour faciliter le travail des recruteurs.

Pour synthétiser. Structurer. Rechercher. Comparer des informations factuelles. Réduire les tâches répétitives.

Mais lorsqu'il s'agit d'évaluer une personne, la question n'est plus simplement de savoir si nous pouvons automatiser.

Elle est de savoir sur quelles informations nous voulons réellement prendre nos décisions.

Car à force d'apprendre aux IA à écrire les CV que d'autres IA veulent lire, nous risquons sinon de construire une formidable machine à optimiser… la forme.

Le véritable enjeu de l’IA dans le recrutement n’est peut-être pas de mieux trier les CV. C’est de permettre aux recruteurs de passer moins de temps à les trier, et davantage de temps à évaluer ce qu’un CV ne peut pas montrer.