IA et recrutement : quand les algorithmes amplifient les préjugés

Quand l’IA recrute… et trébuche sur ses propres préjugés

Postuler à un emploi en 2026, c’est souvent envoyer son CV dans le vide numérique d’un algorithme avant qu’un humain ne daigne y jeter un œil. Une étude récente publiée par MIT Technology Review révèle que les grands modèles de langage (LLM) utilisés pour le tri des candidatures ne se contentent pas de reproduire les biais humains : ils en inventent de nouveaux. Pire, ils seraient plus enclins que les recruteurs en chair et en os à écarter des profils sur des critères arbitraires.

Les chercheurs ont soumis des centaines de CV fictifs à des systèmes d’IA, variant systématiquement des paramètres comme le genre, l’origine ethnique ou le parcours académique. Résultat ? Les modèles ont systématiquement favorisé certains profils, non pas en raison de compétences objectives, mais à cause de corrélations fallacieuses apprises dans leurs données d’entraînement. Par exemple, un candidat ayant fréquenté une université peu cotée pouvait être éliminé, même si son expérience professionnelle était solide. À l’inverse, un parcours « classique » grandes écoles, stages prestigieux bénéficiait d’un bonus invisible, mais décisif.

Le problème dépasse la simple reproduction des inégalités sociales. Les LLM, en analysant des millions de CV, finissent par créer leurs propres règles, souvent absurdes. Un algorithme a ainsi pénalisé les candidats dont le prénom contenait un nombre impair de lettres, une « règle » qui n’a aucun sens pour un humain, mais qui émerge naturellement des données. Ces biais auto-générés sont d’autant plus dangereux qu’ils restent invisibles : contrairement aux discriminations humaines, ils ne laissent aucune trace explicite, juste une série de refus automatisés.

Face à cette dérive, les entreprises commencent à réagir. Certaines, comme Unilever ou L’Oréal, testent des systèmes hybrides où l’IA pré-sélectionne les CV, mais où la décision finale revient à un comité humain. D’autres misent sur des audits réguliers des algorithmes, bien que ces contrôles restent coûteux et imparfaits. Une solution radicale ? Supprimer purement et simplement l’IA du processus de recrutement, comme l’a fait récemment une startup française, arguant que « le hasard est moins biaisé qu’un algorithme ».

Reste une question cruciale : si l’IA est déjà plus discriminante que les humains pour trier des CV, que se passera-t-il quand elle sera utilisée pour évaluer des prêts bancaires, des dossiers médicaux, ou des demandes de logement ? La promesse d’une technologie neutre et objective s’éloigne un peu plus chaque jour. Et si la vraie intelligence, artificielle ou non, consistait d’abord à reconnaître ses propres limites ?

Sources

MIT Technology Review « AI is more likely than humans to form biases when hiring »

MIT Technology Review « The Download: AI hiring biases, and weather data sabotage »