IA recrutement 2026 : ce que la technologie permet, ce que la loi verrouille
En 2026, les entreprises françaises ont déclaré 2 275 000 projets de recrutement selon l'enquête BMO de France Travail, en repli de 6,5 % sur un an, et 43,8 % de ces projets sont jugés difficiles par les employeurs qui les portent. Le taux grimpe à 65 % dans le bâtiment, 54 % dans la santé et le social, 48 % dans l'industrie. Sur ce terrain sous tension, l'intelligence artificielle est vendue comme le remède qui va enfin fluidifier le tri des candidatures.
Sur le papier, la promesse tient : trier plus vite, répondre aux candidats sans délai, repérer un profil qui correspond à un poste. Dans la pratique, un projet d'IA de recrutement bute rarement sur la technologie. Il bute sur ce qu'on a le droit d'automatiser. Deux textes resserrent le cadre en 2026 : l'AI Act européen classe le tri et l'évaluation de candidats parmi les systèmes à haut risque, et la CNIL a inscrit le recrutement parmi ses thématiques de contrôle prioritaires de l'année. Cet article détaille les usages qui fonctionnent réellement aujourd'hui, ce que ces deux cadres imposent concrètement, et comment cadrer un projet sans se faire piéger par une conformité découverte trop tard.
Ce que l'IA fait vraiment dans un recrutement en 2026
Le socle le plus mûr reste le rapprochement entre une fiche de poste et un CV : extraction des compétences, comparaison sémantique, score de correspondance. Ce n'est pas nouveau, les logiciels de suivi de candidatures (ATS) filtrent par mots-clés depuis une décennie. Ce qui change avec les modèles de langage, c'est la finesse du rapprochement : ils repèrent une compétence formulée différemment d'une offre à l'autre, là où un filtre par mots-clés la rate régulièrement.
Le deuxième usage qui se généralise est conversationnel. Un assistant répond aux questions des candidats sur le poste, les horaires, le processus, et propose des créneaux d'entretien sans allers-retours par e-mail. Sur le volume que traite un cabinet de recrutement ou une grande entreprise, ce type d'assistant absorbe une bonne part des échanges répétitifs, sans jamais se substituer à la décision de recruter. Le troisième usage, plus récent, est la rédaction assistée d'offres d'emploi à partir d'un brief oral ou d'une fiche de poste existante, toujours avec une relecture humaine avant publication.
Sur l'adoption réelle, les chiffres publics restent en retrait par rapport au discours ambiant. Selon l'enquête France Travail sur les employeurs face à l'intelligence artificielle, 35 % des établissements de 10 salariés et plus utilisent ou déploient de l'IA, contre 57 % qui ne l'envisagent pas à court terme. L'enquête n'isole pas un usage recrutement à proprement parler, mais les trois catégories qu'elle mesure (aide à la décision pour 16 % des établissements, traitement automatique du langage pour 13 %, robotique pour 11 %) recouvrent directement le tri de CV et les assistants conversationnels. Les freins cités sont concrets : coût d'investissement pour 45 % des employeurs, manque d'expertise interne pour 38 %, incompatibilité avec les outils existants pour 38 % également. Ces freins expliquent pourquoi la plupart des projets démarrent petits, sur un seul poste ou une seule agence, plutôt qu'en déploiement généralisé. Les données INSEE confirment une fracture par taille : 33 % des entreprises de 250 salariés et plus utilisaient l'IA en 2024, contre 9 % des 10 à 49 salariés. Une PME qui recrute deux fois par an n'a pas le même calcul de rentabilité qu'un groupe qui traite des milliers de candidatures chaque mois.
La classification à haut risque de l'AI Act change ce qu'on a le droit d'automatiser
Le règlement européen sur l'intelligence artificielle (règlement UE 2024/1689) range à l'Annexe III, parmi les systèmes à haut risque, les IA destinées au recrutement ou à la sélection de personnes physiques : cibler des offres d'emploi, analyser et filtrer des candidatures, évaluer des candidats. Cette classification n'interdit rien en soi, mais elle impose une liste d'obligations concrètes avant mise en service : une analyse de risques documentée, une vérification de la qualité des données d'entraînement, un système de journalisation des décisions, une information claire des candidats, et surtout une supervision humaine effective. Le texte précise noir sur blanc que le score ou le classement produit doit rester une aide à la décision, jamais la décision elle-même.
Un point que la plupart des outils commerciaux minimisent : l'article 5 du même règlement interdit purement et simplement la mise sur le marché ou l'utilisation de systèmes d'IA destinés à déterminer l'état émotionnel d'une personne dans des situations liées au lieu de travail et à l'enseignement. Cette interdiction n'est pas une classification à haut risque assortie d'obligations, c'est un interdit pur, sans possibilité de mise en conformité. Sur le terrain du recrutement, un outil qui prétend mesurer l'enthousiasme, la confiance ou l'adéquation culturelle d'un candidat à partir de l'analyse faciale ou vocale d'un entretien vidéo tombe directement sous cette interdiction, dès lors que la sélection d'un candidat relève bien d'une situation liée au poste visé. C'est précisément le type de fonctionnalité que certains éditeurs de logiciels d'entretien vidéo mettaient en avant il y a encore deux ou trois ans.
L'échéance d'application des obligations haut risque de l'Annexe III était initialement fixée au 2 août 2026. Le Parlement européen a adopté le 16 juin 2026 le paquet de simplification « Digital Omnibus » qui reporte cette échéance au 2 décembre 2027 pour les systèmes autonomes de l'Annexe III (2 août 2028 pour les systèmes intégrés dans des produits), le temps que les organismes de normalisation publient les standards techniques attendus. La publication au Journal officiel restait la dernière étape formelle à ce stade : cadrer maintenant coûte moins cher que rattraper une non-conformité après coup.
La CNIL place le recrutement sous surveillance renforcée en 2026
La CNIL a inscrit le recrutement parmi ses thématiques prioritaires de contrôle pour 2026, trois ans après la publication de son guide dédié en janvier 2023. Les contrôles cibleront en priorité les grandes entreprises et les cabinets de recrutement, en raison du volume de candidatures qu'ils traitent et des sélections qu'ils opèrent. Trois axes reviennent explicitement dans le communiqué : les systèmes de prise de décision automatisée, l'information donnée aux candidats sur la logique de traitement, et les durées de conservation des données.
Sur la même page, la CNIL précise que cette campagne de contrôle recrutement préfigure l'exercice de ses futures attributions comme autorité de surveillance de marché au titre de l'AI Act. Autrement dit, les critères qu'elle applique cette année sur le RGPD (traçabilité de la décision, droit à l'information, minimisation des données conservées) sont ceux qui structureront demain le contrôle de conformité à l'Annexe III. Pour une entreprise qui construit ou achète un outil de tri aujourd'hui, il n'y a pas deux mises en conformité à prévoir dans le temps, RGPD puis AI Act, mais un seul chantier à mener maintenant. Nous détaillons cette articulation entre gouvernance IA, RGPD et AI Act dans un article dédié, avec les points de contrôle qui reviennent le plus souvent en audit.
Le vrai risque n'est pas le modèle, c'est la décision qu'on lui délègue
Le rapport du Défenseur des droits sur l'automatisation des discriminations cite explicitement les procédures d'embauche parmi les domaines où les algorithmes se sont diffusés au même titre que l'accès aux prestations sociales ou la police. Le rapport documente un mécanisme précis : un système entraîné sur des données passées reproduit, et parfois amplifie, les biais présents dans ces données. L'exemple le plus cité dans le document reste l'étude Gender Shades de la chercheuse Joy Buolamwini, du MIT Media Lab, sur trois logiciels commerciaux de reconnaissance faciale, relayée par le MIT en février 2018 : un taux d'erreur qui ne dépasse jamais 0,8 % pour les hommes à peau claire, contre plus de 34 % pour les femmes à peau foncée sur les systèmes testés. Le biais ne vient pas d'une intention, il vient d'un déséquilibre dans les données d'entraînement, majoritairement composées de visages masculins et clairs.
Ce qui distingue un projet qui tient d'un projet qui se fait rattraper tient moins à la qualité du modèle utilisé qu'à la place qu'on lui donne dans la décision. Un score qui alimente le jugement d'un recruteur humain, qui reste libre de l'ignorer et documente pourquoi, respecte l'esprit de l'Annexe III. Un score qui rejette automatiquement un candidat sous un certain seuil, sans intervention humaine, bascule dans une automatisation totale de la décision que le règlement encadre beaucoup plus strictement. Sur les projets que nous avons accompagnés, la demande initiale ressemble presque toujours à « peux-tu me sortir le top 10 des candidats automatiquement », formulée sans que personne n'ait vérifié si ce top 10 allait nourrir un entretien humain ou déclencher un rejet silencieux des 90 autres. C'est cette question, posée avant d'écrire la moindre ligne de code, qui détermine si l'outil respecte la loi.
Construire un outil de tri en interne : ce qui coince en pratique
Beaucoup d'équipes RH démarrent un projet d'IA recrutement en interne, avec un abonnement ChatGPT et un outil no-code pour brancher le résultat sur un tableau de suivi. La partie technique se règle en quelques jours. Ce qui coince rarement, c'est le prompt qui score un CV. Ce qui coince, c'est l'absence de trace : personne ne documente pourquoi tel candidat a été écarté, sur quelles données le prompt a été calibré, ni qui a le droit de modifier les critères de scoring une fois l'outil en production. En cas de contrôle CNIL ou de réclamation d'un candidat écarté, l'entreprise se retrouve sans réponse à la question la plus simple : sur quelle logique de traitement repose la décision.
La méthode qui fonctionne sur ces projets ressemble à celle qu'on applique à la création d'un agent IA qui tient en production : cadrer le périmètre exact avant d'écrire une ligne de configuration (quelles décisions l'outil influence, lesquelles il ne doit jamais prendre seul), documenter les données utilisées pour calibrer le score, et prévoir dès le départ le format de la trace qu'on pourra présenter en cas de contrôle. Ce cadrage prend généralement moins de temps que le développement lui-même, mais c'est l'étape que les équipes pressées sautent en premier, précisément parce qu'elle ne produit rien de visible à montrer en fin de sprint.
Ce qu'il faut valider avant de lancer un projet IA recrutement
Avant d'investir du temps ou du budget, quatre questions méritent une réponse écrite, pas une intuition partagée en réunion. Le score ou le tri produit va-t-il nourrir une décision humaine documentée, ou déclencher un rejet automatique sans intervention ? Si l'outil analyse une vidéo ou un audio d'entretien, prétend-il en tirer autre chose qu'une transcription, par exemple une évaluation de l'émotion ou de la personnalité ? Qui, dans l'organisation, peut expliquer à un candidat la logique du traitement s'il en fait la demande ? Et combien de temps les données du candidat non retenu seront-elles conservées ?
Sur ces quatre points, un diagnostic avant d'investir dans un projet IA permet de cadrer le périmètre en quelques jours plutôt que de le découvrir en cours de développement, ou pire, lors d'un contrôle. Pour les entreprises qui préfèrent déléguer ce cadrage plutôt que de le mener seules, une agence spécialisée en agents IA sur mesure apporte à la fois la maîtrise technique et le recul sur ce qui a déjà coincé sur d'autres projets similaires. Que le choix se porte sur un outil du marché ou sur un développement sur mesure, la règle reste la même : le cadrage de conformité précède l'écriture du code, il ne se rattrape pas après.
FAQ
Un outil de tri de CV par IA est-il automatiquement classé à haut risque par l'AI Act ?
Oui, dès lors qu'il sert à analyser, filtrer ou évaluer des candidatures, l'Annexe III du règlement européen le classe parmi les systèmes à haut risque. Cette classification impose des obligations (analyse de risques, journalisation, supervision humaine) mais n'interdit pas l'outil en soi. Ce qui est interdit sans exception, c'est l'usage de l'IA pour inférer l'état émotionnel d'un candidat.
Peut-on utiliser l'analyse vidéo d'un entretien pour évaluer un candidat ?
La transcription et le résumé d'un entretien vidéo restent possibles. Ce qui bascule dans l'interdit, c'est l'analyse faciale ou vocale destinée à déduire l'enthousiasme, la confiance ou un trait de personnalité à partir de l'expression du candidat. L'article 5 du règlement européen interdit cet usage précis, sans marge de mise en conformité possible.
Combien de temps peut-on conserver les données d'un candidat non retenu ?
La CNIL retient une durée de deux ans après le dernier contact, sauf accord formel du candidat pour la prolonger. Cette durée doit être documentée dans le traitement lui-même, pas seulement dans une politique de confidentialité générique, puisque c'est l'un des trois axes que la CNIL a annoncé contrôler en priorité sur le recrutement en 2026.
Faut-il acheter un logiciel existant ou construire un outil en interne ?
Un outil du marché va plus vite à mettre en place mais impose d'auditer sa documentation de conformité avant signature, pas après. Un développement en interne ou sur mesure demande plus de temps mais permet de cadrer précisément le périmètre de la décision automatisée dès la conception. Le choix dépend surtout du volume de candidatures traité et de la disponibilité d'une équipe capable de documenter le traitement dans la durée.
Un candidat peut-il demander des explications sur un rejet automatisé ?
Oui. Le RGPD impose déjà de fournir des informations utiles sur la logique sous-jacente à toute décision automatisée qui produit un effet important sur une personne. Un candidat écarté par un score peut demander cette explication, et l'entreprise doit pouvoir y répondre concrètement, pas par une formule générique renvoyant aux conditions d'utilisation.
