Poser la question en ces termes, futur de l’embauche ou tendance passagère, revient à parler d’un objet qui n’est déjà plus au stade de la promesse. Le tri assisté par algorithme est en place dans une partie des logiciels de recrutement, y compris chez des entreprises qui ne savent pas qu’elles en utilisent un. Le vrai sujet de 2026 n’est plus de savoir si ça marche, mais sous quelles règles c’est autorisé.
Le recrutement prédictif désigne l’usage de données historiques et de modèles statistiques pour estimer la réussite probable d’un candidat sur un poste. Il fait gagner du temps sur les gros volumes de candidatures et il reproduit fidèlement les biais des données qui l’ont entraîné. Depuis le règlement européen sur l’intelligence artificielle, le tri de candidatures est classé comme usage à haut risque, et le RGPD interdit déjà qu’une décision produisant des effets significatifs soit prise sur le seul fondement d’un traitement automatisé.
En bref
- Un modèle prédictif apprend du passé de l’entreprise : il perpétue ce que ce passé contenait, y compris ses inégalités.
- Aucun candidat ne peut être écarté par une machine seule : l’intervention humaine doit être réelle, pas une validation de façade.
- Les obligations « haut risque » du règlement européen sur l’IA s’appliqueront au tri de candidatures le 2 décembre 2027.
- Le recrutement figure parmi les trois priorités de contrôle de la CNIL pour 2026.
- 1 Ce qu’un outil prédictif fait, et ce qu’il ne fait pas
- 2 Le précédent qui sert de leçon depuis 2018
- 3 Le calendrier réglementaire, remis à jour cet été
- 4 Ce que le RGPD impose déjà, et ce que la CNIL va contrôler
- 5 Cinq questions à poser avant de signer avec un éditeur
- 6 Alors, futur de l’embauche ou tendance passagère ?
Ce qu’un outil prédictif fait, et ce qu’il ne fait pas
Il cherche des régularités. À partir des profils recrutés autrefois et de ce qu’ils sont devenus dans l’entreprise, le modèle attribue à chaque nouvelle candidature une probabilité de correspondre au poste. Sur un volume élevé de candidatures similaires, l’exercice a un intérêt réel : il évite qu’un CV parfaitement pertinent disparaisse au fond d’une boîte de réception.
Ce qu’il ne fait pas, c’est comprendre. Un modèle n’a aucun accès aux raisons pour lesquelles quelqu’un a réussi : il enregistre des corrélations. Une reconversion réussie après quarante ans, un parcours interrompu par une maladie, une compétence acquise en dehors d’un cadre scolaire, autant de situations que les données passées de l’entreprise contiennent rarement, donc que le modèle traite comme des anomalies. C’est exactement le profil des personnes que j’accompagne le plus souvent.
Le recrutement prédictif
Le précédent qui sert de leçon depuis 2018
L’exemple le plus documenté reste celui d’Amazon, révélé par l’agence Reuters en octobre 2018. L’entreprise avait entraîné un outil de notation des candidatures sur dix années de CV reçus. Le secteur technique étant très majoritairement masculin, le système avait appris à pénaliser les candidatures contenant le mot « women’s » ou le nom de certains établissements réservés aux femmes. Les correctifs appliqués n’ayant pas suffi à garantir la neutralité du modèle, le projet a été abandonné.
Aucune intention discriminatoire dans cette histoire, et c’est ce qui la rend instructive : le biais n’a pas été programmé, il a été appris. Dès juin 2020, le Défenseur des droits et la CNIL alertaient conjointement sur ce mécanisme, en rappelant que les stéréotypes contenus dans les données d’entraînement se reproduisent ensuite à grande échelle, au recrutement comme ailleurs.
Le calendrier réglementaire, remis à jour cet été
Le règlement européen sur l’intelligence artificielle range explicitement le tri de candidatures et l’évaluation des candidats parmi les usages à haut risque de son annexe III. Son calendrier d’application a été modifié par le règlement dit « omnibus numérique », le règlement (UE) 2026/1744, publié au Journal officiel de l’Union européenne le 24 juillet 2026.
| Échéance | Ce qui s’applique |
|---|---|
| Déjà en vigueur | Le RGPD, dont l’article 22 sur les décisions entièrement automatisées, et le code du travail |
| 2 août 2026 | Les obligations de transparence de l’article 50 du règlement sur l’IA |
| 2 décembre 2027 | Les obligations applicables aux systèmes à haut risque de l’annexe III, dont le tri de candidatures |
Ce report ne vaut pas permission. Il décale des obligations formelles de documentation et de gestion des risques ; il ne suspend ni le RGPD, ni l’interdiction des discriminations, qui s’appliquent aujourd’hui. Un employeur qui écarte des candidats via un outil dont il ne sait pas expliquer les critères engage sa responsabilité maintenant, pas en décembre 2027.
Ce que le RGPD impose déjà, et ce que la CNIL va contrôler
L’article 22 du RGPD pose le principe : une personne ne peut faire l’objet d’une décision produisant des effets juridiques ou significatifs fondée exclusivement sur un traitement automatisé. Un rejet de candidature entre dans cette catégorie. L’intervention humaine attendue n’est pas une case à cocher : elle suppose quelqu’un qui puisse consulter le dossier, comprendre la recommandation de l’outil et la contredire sans obstacle.
Le 3 avril 2026, la CNIL a annoncé retenir le recrutement parmi ses trois thématiques prioritaires de contrôle pour l’année, aux côtés du répertoire électoral unique et des fédérations sportives. Trois points seront regardés : les systèmes de prise de décision automatisée, l’information délivrée aux candidats et les durées de conservation des données. Les grandes entreprises et les cabinets de recrutement sont visés en premier, en raison du volume de candidatures qu’ils traitent. La CNIL indique que cette campagne préfigure son futur rôle de surveillance du marché, dans le champ du travail, au titre du règlement sur l’IA.
Une embauche
Cinq questions à poser avant de signer avec un éditeur
- Sur quelles données le modèle a-t-il été entraîné ? Si la réponse est « nos données historiques », demandez ce que ces données contenaient comme déséquilibres.
- Quels critères font monter ou descendre un score ? Un éditeur incapable de les nommer vous vend une boîte noire dont vous porterez la responsabilité.
- Où se situe l’intervention humaine ? Elle doit exister avant tout rejet, avec la possibilité réelle d’aller contre la recommandation.
- Comment le candidat est-il informé ? L’information doit être claire, accessible dès le dépôt de la candidature, et non enfouie dans une politique de confidentialité.
- Combien de temps les données sont-elles conservées ? La CNIL recommande de ne pas dépasser deux ans après le dernier contact avec un candidat non retenu.
Alors, futur de l’embauche ou tendance passagère ?
Ni l’un ni l’autre, à mon sens. Le prédictif deviendra un outil parmi d’autres, encadré comme le sont déjà les tests utilisés dans un processus de recrutement, et il perdra la charge magique qu’on lui prête aujourd’hui. Ce qui restera, c’est la question qu’il pose à chaque entreprise : que voulez-vous reproduire de vos recrutements passés ?
Un modèle prédictif peut-il vraiment supprimer les biais humains ?
Non. Il remplace des biais individuels et variables par un biais unique, systématique, appliqué à toutes les candidatures. C’est parfois un progrès, jamais une neutralité.
Une PME de dix salariés est-elle concernée ?
Oui, dès qu’elle utilise un logiciel de recrutement qui score ou classe des candidatures, même sans le savoir. Les obligations du RGPD ne dépendent pas de la taille de l’entreprise.
Un candidat peut-il demander pourquoi il a été écarté par un outil ?
Il peut exercer son droit d’accès aux données le concernant et demander une intervention humaine. C’est précisément ce que la CNIL vérifiera lors de ses contrôles.
La prédiction se vérifie après l’embauche
Aucun modèle ne dira si votre recrutement a réussi : les premiers mois s’en chargent. Mon approche du suivi post-recrutement explique ce qu’il faut regarder, et quand.
Article mis à jour le 12 août 2026. Références vérifiées à cette date : règlement (UE) 2026/1744 dit « omnibus numérique », publié au JOUE le 24 juillet 2026, modifiant le calendrier du règlement européen sur l’intelligence artificielle ; article 22 du RGPD ; communication de la CNIL du 3 avril 2026 sur ses thématiques prioritaires de contrôle ; recommandations conjointes du Défenseur des droits et de la CNIL du 2 juin 2020 sur les biais algorithmiques ; enquête de Reuters d’octobre 2018 sur l’outil de recrutement abandonné par Amazon. Ce contenu est une information générale et ne remplace pas l’analyse de votre délégué à la protection des données ou de votre conseil juridique.