Recrutement par IA : le risque de refroidir les candidats

Oui, un recrutement utilisant une IA peut décourager des candidats : dans des expériences contrôlées, l’organisation qui l’emploie paraît moins chaleureuse et devient moins attractive, sans bénéficier en retour d’une compétence perçue supérieure. Ce résultat décrit une réaction moyenne dans des scénarios expérimentaux, pas un taux universel d’abandon ni l’effet assuré de chaque outil.

La réponse n’est donc pas de supprimer toute automatisation, mais de distinguer les tâches administratives des moments où le candidat est évalué, doit expliquer une situation ou reçoit une décision. Plus l’étape est sensible, plus un interlocuteur identifiable, une procédure compréhensible et une possibilité de réexamen deviennent importants.

Ce que démontrent les cinq expériences

Des participants comparent un recrutement par IA à un recrutement humain et manifestent une attractivité plus faible sans avantage clair de compétence.

Federico Magni et Yaping Gong ont comparé les réactions à des recrutements utilisant une IA avec celles suscitées par des modalités humaines. Le résumé de l’étude publié par HKUST indique que les cinq expériences réunissent 2 156 participants : les résultats soutiennent de façon constante le mécanisme passant par une moindre chaleur perçue, mais pas celui qui ferait dépendre l’attractivité d’un gain de compétence attribué à l’organisation.

Le titre de l’article doit ainsi être compris avec précision. « Refroidir » désigne une baisse de la chaleur attribuée à l’employeur, laquelle est associée à une attraction plus faible. « Sans paraître plus compétent » signifie que les chercheurs n’ont pas trouvé de soutien constant au mécanisme compensatoire attendu par la compétence ; cela ne prouve pas que tous les participants ont jugé chaque entreprise automatisée moins compétente.

La technophilie atténue par ailleurs l’effet négatif indirect passant par la chaleur. Les candidats ne réagissent donc pas tous avec la même intensité. Ces expériences établissent un mécanisme psychologique dans leurs conditions propres, mais ne permettent pas d’extrapoler un pourcentage d’abandon à tous les métiers, outils ou marchés francophones.

Pourquoi l’IA devient un signal sur l’employeur

La chaleur perçue concerne ici les intentions prêtées à l’organisation : paraît-elle attentive, accessible et disposée à considérer la personne derrière le dossier ? Lorsqu’un système automatisé constitue le principal point de contact, ses limites peuvent être interprétées comme celles de l’employeur. L’impossibilité d’expliquer une réponse atypique ou de joindre quelqu’un ne reste pas nécessairement un simple défaut d’interface.

Ce mécanisme ne repose pas sur une comparaison abstraite entre une « bonne » relation humaine et une « mauvaise » machine. Il porte sur ce que le choix du dispositif laisse anticiper de la relation future. La page de publications de Federico Magni recense le travail final de 2026, une présentation de 2022 intitulée « Warmth Matters, Not Competence » et une communication de 2021 consacrée à l’effet d’un recruteur IA sur la perception de l’organisation.

Un avatar expressif ou un ton familier ne règle donc pas, à lui seul, la question. La chaleur dépend aussi de possibilités concrètes : obtenir une réponse adaptée, signaler une erreur, demander un aménagement ou comprendre la suite du processus. Une apparence humaine sans capacité réelle de dialogue peut laisser intacte la difficulté principale.

Automatiser selon la portée de la tâche

L’automatisation traite les tâches administratives tandis qu’un recruteur reprend une évaluation incertaine avant la décision.

Les expériences ne fournissent pas une liste universelle de fonctions à automatiser. Elles permettent toutefois de construire un cadre prudent : plus une opération est standardisée, réversible et éloignée de la décision, moins elle expose l’employeur au problème relationnel observé. Plus elle engage l’évaluation ou les intérêts du candidat, plus la présence humaine doit être visible.

Tâches administratives : planification, rappels, collecte de documents, détection de doublons et réponses logistiques simples peuvent être automatisés sans faire de la machine l’unique juge du candidat.
Tâches d’évaluation : présélection, classement, tests, analyse de réponses et recommandations exigent un responsable capable d’examiner les cas incertains, de comprendre les limites du résultat et de le corriger.
Moments relationnels : demande d’aménagement, situation atypique, contestation factuelle, échange sur le poste, décision finale et négociation justifient un interlocuteur qui puisse contextualiser la réponse.

Cette répartition constitue une recommandation de conception, non un résultat directement testé par les cinq expériences. Elle ne suppose pas non plus qu’une intervention humaine soit automatiquement satisfaisante : un entretien incohérent ou une absence de réponse peuvent eux aussi détériorer l’expérience. Le point décisif est d’éviter que le système soit le seul représentant de l’employeur lorsque le candidat a besoin de contexte ou de recours.

Les étapes où la présence humaine compte le plus

Avant l’évaluation, un contact doit pouvoir traiter ce que la notice standard ne couvre pas, notamment un obstacle matériel ou une situation particulière. Pendant l’épreuve, un canal de reprise devient utile si un problème d’identité, de connexion ou de format empêche le candidat de répondre dans les conditions prévues.

Après l’évaluation, l’enjeu se déplace vers la décision et sa compréhension. Un message automatisé peut accélérer l’information, mais il ne devrait pas rendre impossible le signalement d’une donnée erronée. Pour les candidats encore en lice, l’échange avec un recruteur ou le responsable du poste permet également d’évaluer la relation de travail, au lieu de laisser l’organisation recueillir seule des informations.

Une étude distincte renforce cette lecture sans reproduire le même protocole. Dans l’étude de Frontiers in Psychology, 755 demandeurs d’emploi ont évalué un scénario standardisé d’entretien par IA ; la ressemblance humaine perçue, la transparence de la décision et l’utilité du retour étaient reliées à l’attractivité par la présence sociale, mécanisme le plus régulier du modèle. Comme il s’agit d’évaluations déclarées face à un scénario, ces associations ne démontrent pas à elles seules le comportement des candidats dans un recrutement réel.

Ce que le candidat doit savoir avant l’évaluation

Un candidat reçoit avant l’évaluation des informations sur l’analyse automatisée, le contrôle humain et le contact du recruteur.

L’information utile doit précéder l’épreuve. Elle doit permettre au candidat de comprendre le rôle du système, la portée de son résultat et la place d’un responsable humain, plutôt que de se limiter à une formule générale sur l’innovation ou l’amélioration de l’expérience.

Nommer précisément l’étape automatisée : planification, tri, test, entretien différé ou recommandation.
Indiquer quels matériaux sont traités, par exemple le CV, les réponses écrites ou l’enregistrement demandé.
Expliquer si le résultat peut écarter directement une candidature ou s’il sert d’aide à un recruteur.
Préciser quand un humain examine le dossier et comment signaler une anomalie ou une situation particulière.
Annoncer le type de retour prévu ainsi que le calendrier de la prochaine réponse.

Ce dispositif ne garantit pas que chaque candidat acceptera l’usage de l’IA. Il évite cependant de cumuler les signaux défavorables : une évaluation opaque, une décision lourde et l’absence de personne joignable. L’automatisation reste alors circonscrite à une fonction identifiable, tandis que l’employeur demeure présent aux étapes où se jouent l’écoute, l’explication et la décision.

Recruter avec une IA peut refroidir les candidats sans paraître plus compétent