À la une Inceptive au Forum IT d’Abicom, le 26 novembre à Saint-Étienne

/services aux entreprises

Étude sectorielle · mise à jour le 19 novembre 2026

Candidatures classées par compétences pour l’agence d’intérim, le cabinet de recrutement et la DRH

L’outil ordonne les profils reçus pour un poste ou une mission ; le recruteur ouvre chacun d’eux, le dernier de la liste compris, et décide seul.

Le classement des candidatures par l’intelligence artificielle ordonne les profils reçus par une agence d’intérim, un cabinet de recrutement ou une DRH selon leur adéquation aux compétences demandées. Le règlement européen sur l’IA range le filtrage des candidatures parmi les usages à haut risque (annexe III, point 4 a). L’omnibus numérique, en vigueur depuis le 27 juillet 2026, en a reporté les obligations au 2 décembre 2027.

01 / 09 /usagesUn classement des candidatures qui prépare la lecture du recruteur.

/usages

Un classement des candidatures qui prépare la lecture du recruteur.

L’outil compare chaque candidature aux compétences, certificats et disponibilités que demande le poste, ordonne la liste et justifie chaque rang par les éléments du dossier qui l’expliquent. Il ne rejette personne : la liste entière reste ouverte, et le recruteur lit chaque profil avant de convoquer ou de répondre.

Apprentissage automatique (Machine Learning)La priorisation des dossiers, tous secteurs

  • Mission d’intérim Range les inscrits selon la qualification, les certificats valides et la disponibilité aux dates de la commande.
  • Recrutement de cadres Rapproche chaque CV des compétences de la fiche de poste et explique le rang par les expériences qui y répondent.
  • Candidatures spontanées Rattache chaque candidature reçue sans offre au métier ou à la famille de postes qu’elle vise.
  • Doublons et pièces Signale une inscription en double ou un certificat expiré, que le recruteur vérifie avant de répondre.

/biais

Un écart de réponses qu’un modèle apprendrait des choix passés.

Un classement appris sur les décisions passées d’une agence ou d’un cabinet en reprend aussi les écarts. De juin 2019 à mai 2023, des chercheurs ont adressé des candidatures fictives semblables à des entreprises de Provence-Alpes-Côte d’Azur et de Chambéry, en ne changeant que les nom et prénom du candidat.

Prévenir les discriminations par une action de formation : une évaluation (Économie et Statistique, 2025) (nouvel onglet)

  • Environ 12,5 points de réponses positives en moins quand les nom et prénom évoquent une origine maghrébine, dans les entreprises témoins
  • Près de 50 % d’écart relatif avec un candidat dont les nom et prénom évoquent une origine française
  • 5 mois après une journée de formation des recruteurs, un écart toujours égal à celui des entreprises non formées

/obligations

Des candidats et un CSE informés avant le premier classement.

Le code du travail et le RGPD s’appliquent dès aujourd’hui à tout logiciel qui classe des candidatures, sans attendre les échéances du règlement européen sur l’IA. Le guide recrutement de la CNIL, publié le 30 janvier 2023, en tire les conséquences pour les outils de tri.

Article L1221-8 du code du travail (Légifrance) (nouvel onglet)Article L1221-9 du code du travail (Légifrance) (nouvel onglet)Article L2312-38 du code du travail (Légifrance) (nouvel onglet)Guide Recrutement (CNIL, 2023) (nouvel onglet)

Ce que le code du travail et la CNIL demandent avant de classer des candidatures
ObligationTexteCe que l’outil prévoit
Informer expressément le candidat, avant leur usage, des méthodes d’aide au recrutement, qui restent pertinentes au regard du but poursuiviCode du travail, L1221-8Mention de l’outil dans l’annonce et le formulaire de candidature
Ne collecter aucune information sur un candidat par un dispositif qu’il ne connaît pasCode du travail, L1221-9Liste des données lues, jointe à cette mention
Informer le comité social et économique, dans les entreprises d’au moins 50 salariés, avant l’utilisation puis à chaque modificationCode du travail, L2312-38Note au CSE à chaque nouvelle version du classement
Mener une analyse d’impact (AIPD) pour un algorithme de sélectionGuide recrutement de la CNIL, fiche 10Analyse rédigée avant l’essai, revue à chaque changement de critère

Source : Code du travail, articles L1221-8, L1221-9 et L2312-38 ; CNIL, guide « Recrutement » du 30 janvier 2023 (textes consultés le 19 novembre 2026), 2026 (nouvel onglet)

Dans les entreprises d’au moins 300 salariés et dans celles spécialisées dans le recrutement, les chargés de recrutement sont formés à la non-discrimination à l’embauche au moins tous les cinq ans.

/sur le terrain

Un classement utile quand les critères tiennent sur la fiche de poste.

Le classement aide quand la commande ou la fiche de poste liste des critères vérifiables : certificat, qualification, expérience sur une machine, disponibilité. Le recruteur gagne du temps sur les dossiers qui répondent à tout, et le garde pour ceux qui demandent une lecture attentive, reconversions et parcours atypiques compris.

Il échoue quand il apprend de ce que les recruteurs ont retenu hier sans qu’on mesure ce que ces choix contenaient, ou quand plus personne ne lit au-delà des premiers rangs. Représentants du personnel et délégué à la protection des données gagnent à voir les critères avant le premier essai.

Fiches de poste et annonces dans les services aux entreprises

  • Écrire les critères avec les recruteurs en reliant chacun à une tâche du poste
  • Retirer les variables sensibles et leurs relais en masquant nom, photo, âge, adresse et les champs qui les trahissent
  • Associer les représentants du personnel en leur présentant les critères et les premiers résultats
  • Ouvrir le bas de liste en faisant lire au recruteur des profils des derniers rangs à chaque recrutement

/règlement

Des obligations de déployeur pour l’agence, le cabinet ou la DRH.

Un outil qui analyse et filtre les candidatures entre dans le point 4 a de l’annexe III. L’agence, le cabinet ou la DRH qui l’utilise en est le déployeur, avec les devoirs que lui fixe l’article 26.

Règlement européen sur l’IA, annexe III (AI Act Service Desk) (nouvel onglet)Règlement européen sur l’IA, article 26 (AI Act Service Desk) (nouvel onglet)Veille réglementaire

  • Contrôle humain Confié à des personnes qui ont la compétence, la formation, l’autorité et le soutien nécessaires (article 26, paragraphe 2).
  • Journaux Conservés au moins six mois, dans la mesure où ils sont sous le contrôle du déployeur (article 26, paragraphe 6).
  • Information des candidats Les personnes visées par une décision que le système prend ou facilite sont informées qu’il est utilisé (article 26, paragraphe 11).

/relecture

Un recruteur qui lit aussi les derniers de la liste.

Selon la fiche 13 du guide de la CNIL, un logiciel qui pré-classe les candidatures peut prendre de fait une décision entièrement automatisée, quand le recruteur ne consulte que les profils les mieux classés. Les autres sont alors exclus par le seul fonctionnement de l’outil, ce que l’article 22 du RGPD interdit en principe. L’outil s’organise donc pour que chaque profil soit réellement lu.

Guide Recrutement, fiche 13 (CNIL, 2023) (nouvel onglet)RGPD, article 22 (CNIL) (nouvel onglet)

  • Liste entière Chaque candidature reste consultable avec le motif de son rang ; aucun profil ne disparaît de l’écran.
  • Lecture du bas À chaque recrutement, le recruteur ouvre des profils des derniers rangs et note ce qu’il en retient.
  • Réponse au candidat Le refus part après la lecture du recruteur, jamais sur la foi du seul classement.

/méthode

Un classement essayé en parallèle du tri des recruteurs avant toute mise en service.

Recruteurs, responsables d’agence, délégué à la protection des données et représentants du personnel valident ensemble les critères. Pendant l’essai, l’outil classe en lecture seule dans le logiciel de gestion des candidatures et n’écrit à aucun candidat.

AI StudioMLOps

  • ANALYSE D’IMPACT ET INFORMATION L’analyse d’impact, la mention aux candidats et la note au CSE précèdent le premier essai.
  • CLASSEMENT EN PARALLÈLE DU TRI MANUEL Sur plusieurs recrutements, le rang proposé se compare aux choix faits sans lui, profil par profil, et chaque écart s’explique.
  • CANDIDATURES FICTIVES À CHAQUE VERSION Des dossiers identiques au nom ou à l’âge près vérifient que le rang ne bouge pas ; le contrôle se refait à chaque modification du modèle.

/à savoir

Ce que demandent recruteurs et candidats sur le classement des CV par l’IA.

Article L1221-6 du code du travail (Légifrance) (nouvel onglet)Guide Recrutement, fiches 7 et 13 (CNIL, 2023) (nouvel onglet)Recommandation dans les services aux entreprises

Quels critères un logiciel de tri de CV peut-il prendre en compte ?

Les informations qui servent à apprécier la capacité à occuper l’emploi ou les aptitudes professionnelles, avec un lien direct et nécessaire avec le poste (article L1221-6) : certificats, expériences, qualification, disponibilité. Les motifs de l’article L1132-1 en sont exclus, comme les champs qui les trahissent, une adresse ou une année de naissance. Chaque critère se rattache à une tâche de la fiche de poste.

Un candidat peut-il demander pourquoi l’IA l’a mal classé ?

Il peut demander l’accès aux données qui le concernent. Selon la fiche 7 du guide de la CNIL, cela comprend les données sur lesquelles le recruteur s’est fondé pour décider, comme les évaluations pratiquées ou les résultats de tests. L’outil garde donc, pour chaque rang, les éléments du dossier qui l’expliquent.

L’IA peut-elle écarter seule un candidat sans le certificat demandé ?

Ce serait une décision entièrement automatisée. Selon la CNIL, le consentement du candidat ne la justifie que très rarement, et aucune disposition française ne l’autorisait à la date de son guide, en 2023. L’essentiel de ces décisions n’est admis que s’il est nécessaire à la conclusion du contrat de travail ; le CEPD exige pour cela un nombre de candidatures « exceptionnellement élevé ». L’outil signale le certificat manquant ; le recruteur décide.

Peut-on entraîner un logiciel de tri sur les recrutements passés ?

Oui, en sachant qu’il en apprendra aussi les écarts. Les choix passés se relisent avant l’entraînement : profils retenus, refusés, motifs notés. Le déployeur qui maîtrise les données d’entrée d’un système à haut risque veille à ce qu’elles soient pertinentes et suffisamment représentatives au regard de sa destination (article 26, paragraphe 4).

/sources

Sources

/services aux entreprises

/contact

Travaillons ensemble

Découvrez comment Inceptive peut vous aider à transformer votre activité et à résoudre des problématiques opérationnelles complexes grâce à l’intelligence artificielle.

contactez-nous