Le CV raconte le passé d’un candidat. Mais peut-il réellement prédire ce que cette personne accomplira demain, dans une équipe et un environnement qui évoluent ? À mesure que les compétences se transforment et que l’intelligence artificielle s’installe dans le recrutement, cette question devient centrale.
Dans ce nouvel épisode de Shortlist saison 4, une série myRHline × SmartRecruiters, Jérémy Lamri, CEO de Tomorrow Theory, entrepreneur, chercheur et spécialiste du futur du travail, interroge notre manière d’évaluer les candidats.
Pourquoi le parcours passé reste-t-il le premier filtre du recrutement ? Comment distinguer compétences acquises, potentiel d’apprentissage et performance future ? Et comment utiliser l’IA sans lui demander de reproduire, à plus grande échelle, les biais des décisions humaines ?
Le CV reste un filtre tourné vers le passé
Malgré les transformations du recrutement, le CV demeure la principale porte d’entrée. Le recruteur commence généralement par examiner les expériences, les diplômes, les employeurs précédents et la durée passée dans chaque fonction.
Pour Jérémy Lamri, ces informations produisent des signaux, mais elles ne permettent pas de déduire mécaniquement la performance future. Un diplôme montre notamment qu’une personne a réussi un parcours académique et s’est adaptée à ses règles. Une expérience dans une entreprise reconnue indique qu’elle a franchi son processus de sélection. Mais ces éléments ne disent pas précisément comment elle a travaillé, appris ou contribué au collectif.
La manière de présenter son parcours peut néanmoins apporter des indices. Un CV exclusivement centré sur les responsabilités décrit un périmètre. Un CV qui présente des réalisations permet de comprendre ce que la personne a effectivement accompli.
« Si je veux savoir ce dont une personne sera capable, j’ai besoin de savoir ce qu’elle a accompli, pas seulement ce qu’elle a géré. »
Le défi consiste donc à utiliser le CV comme une première source d’information, sans le transformer en preuve définitive du potentiel d’un candidat.
Le recrutement commence par une meilleure définition du besoin
La difficulté ne se situe pas uniquement dans l’évaluation des candidatures. Elle apparaît souvent plus tôt, au moment où l’entreprise définit le profil recherché.
Dans des organisations où les équipes, les métiers et les priorités se recomposent rapidement, recruter ne consiste plus nécessairement à remplacer une personne par son équivalent. L’arrivée d’un nouveau collaborateur peut conduire à redistribuer certaines missions ou à faire évoluer les responsabilités du collectif.
Jérémy Lamri utilise l’image d’un puzzle : hier, le recruteur cherchait une pièce correspondant exactement à l’espace laissé vacant. Aujourd’hui, l’embauche peut conduire à recomposer une partie du puzzle.
Un ATS, un cabinet ou une intelligence artificielle ne peut pas compenser un besoin mal défini. Avant d’évaluer un candidat, l’entreprise doit donc clarifier :
- les problèmes que la personne devra contribuer à résoudre ;
- les compétences indispensables dès la prise de poste ;
- les compétences qui pourront être apprises ;
- la contribution attendue au sein de l’équipe ;
- les conditions réelles dans lesquelles la personne travaillera ;
- les évolutions probables du poste et du collectif.
Cette démarche suppose aussi de mieux accompagner les managers. Le brief transmis au recruteur ne doit pas être une simple liste de critères héritée de la personne précédente.
Le potentiel d’un candidat dépend aussi de son environnement
Peut-on réellement prédire la performance future d’un candidat ? Même les méthodes d’évaluation les plus approfondies ne peuvent pas anticiper toutes les situations auxquelles une personne sera confrontée.
Un candidat peut être performant dans un environnement et rencontrer davantage de difficultés dans un autre. La qualité du management, la composition de l’équipe, le niveau d’autonomie, la charge, les outils ou les conditions matérielles influencent sa capacité à mobiliser ses compétences.
Cette dimension contextuelle invite à dépasser la recherche d’un « profil performant » universel. La bonne question n’est pas seulement : « Cette personne est-elle performante ? » Elle devient : « Dans quelles conditions, avec quelle équipe et face à quels problèmes peut-elle le devenir ? »
Le potentiel doit alors être envisagé à travers plusieurs dimensions :
- les compétences déjà maîtrisées ;
- la capacité à apprendre de nouvelles compétences ;
- l’adaptabilité face à des conditions changeantes ;
- la capacité à communiquer et à coopérer ;
- la contribution que la personne peut apporter à une équipe donnée.
Cette approche complète le retour d’expérience présenté dans un précédent épisode de Shortlist consacré à la manière de recruter au-delà des compétences acquises.
Évaluer le collectif sans rechercher le clonage
La recherche d’un candidat similaire aux collaborateurs déjà performants peut sembler rationnelle. Elle comporte pourtant un risque : transformer un modèle de réussite passé en norme de recrutement et produire des profils de plus en plus homogènes.
Or, la performance ne se joue pas uniquement à l’échelle individuelle. Elle dépend aussi de la complémentarité des personnes. Un candidat ne doit donc pas être observé seulement pour ce qu’il est, mais aussi pour ce qu’il peut apporter à une équipe.
Cette vigilance ne doit pas conduire à un « fit-équipe » intuitif, derrière lequel peuvent se dissimuler des préférences personnelles ou des biais. Comme le rappelle un autre épisode de Shortlist sur le recrutement inclusif et le fit-équipe, les critères doivent rester explicites, observables et reliés au travail.
Pour Jérémy Lamri, la difficulté consiste à arrêter de chercher une réponse absolue. Une personne peut présenter une capacité très développée, une autre plus faible et un équilibre qui fonctionnera malgré tout dans un environnement précis.
Soft skills : l’agilité n’est pas la capacité à tout faire
Les recruteurs cherchent depuis plusieurs années à compléter les critères statiques par l’évaluation des soft skills. Encore faut-il définir correctement ce que l’on souhaite observer.
L’agilité, par exemple, est parfois présentée comme la capacité à travailler vite, à accepter toutes les missions ou à s’adapter sans limite. Jérémy Lamri propose une lecture différente : être agile consiste à préserver des marges de manœuvre pour pouvoir réagir lorsque les conditions changent.
Cette capacité repose notamment sur l’auto-organisation, la gestion du temps, la maîtrise de son énergie et la conservation de ressources mentales suffisantes pour prendre du recul.
La coopération devient également essentielle. Face à des problèmes de plus en plus complexes, l’entreprise n’a pas seulement besoin de personnes capables de travailler seules. Elle a besoin de collaborateurs capables de partager l’information, de demander de l’aide et de construire des réponses à plusieurs.
L’usage quotidien des assistants d’IA peut même renforcer cet enjeu : lorsque chacun interroge son outil plutôt que ses collègues, le risque est de créer de nouveaux silos individuels.
L’IA peut-elle mieux analyser les candidatures ?
L’intelligence artificielle devient particulièrement attractive lorsqu’une entreprise reçoit plusieurs centaines ou milliers de candidatures. Lire chaque CV avec le même niveau d’attention peut alors devenir irréaliste.
La technologie peut aider à traiter ce volume, à condition de lui fournir une méthode claire. Pour Jérémy Lamri, l’IA doit apporter de la puissance de traitement. Elle ne doit pas décider seule de la manière dont un bon candidat doit être défini.
Le risque apparaît lorsque les modèles apprennent à partir de décisions de recrutement passées. Si ces décisions comportent des biais, le système peut les reproduire ou les amplifier. Le sujet ne se limite donc pas à anonymiser quelques informations : il faut documenter les critères, tester les résultats, comparer les effets sur différentes populations et conserver une supervision humaine réelle.
Le règlement européen sur l’intelligence artificielle classe d’ailleurs certains systèmes utilisés pour filtrer les candidatures ou évaluer les candidats parmi les systèmes à haut risque. La CNIL rappelle également que les outils d’évaluation doivent présenter un lien objectif, direct et nécessaire avec les aptitudes requises pour le poste.
Dans l’entretien, Jérémy Lamri évoque le contentieux américain Mobley v. Workday. Des candidats y allèguent que des outils de recommandation fondés sur l’IA ont produit une discrimination, notamment selon l’âge. Une action collective préliminaire a été autorisée, mais le litige reste en cours : il ne s’agit pas d’une décision définitive établissant la responsabilité de Workday.
Ce cas illustre néanmoins une question centrale déjà abordée par myRHline : où s’arrête l’aide apportée par l’IA et où commence la décision automatisée ?
Ne pas demander à une seule IA de produire la vérité
L’une des pistes avancées dans l’épisode consiste à multiplier les angles d’analyse. Plutôt que de demander à une seule IA d’établir une liste supposément parfaite, plusieurs analyses pourraient rechercher des signaux différents.
Une première lecture pourrait observer l’adéquation technique. Une autre pourrait rechercher des réalisations comparables. D’autres encore pourraient s’intéresser à l’apprentissage, à la coopération ou à la capacité à évoluer dans un contexte donné.
Le résultat ne serait plus une shortlist produite par un modèle unique, mais un ensemble de candidatures repérées selon plusieurs perspectives. Cette pluralité ne supprimerait pas les biais. Elle pourrait toutefois rendre les critères plus visibles et limiter le risque qu’une seule définition de la performance ferme l��accès à tous les profils différents.
Les CV enrichis par l’IA perdent-ils toute valeur ?
Les candidats utilisent eux aussi l’intelligence artificielle pour rédiger ou améliorer leur CV. Pour Jérémy Lamri, cet usage ne constitue pas nécessairement un problème.
Si l’outil aide une personne à mieux contextualiser ses réalisations, à expliquer son parcours ou à rendre ses informations plus lisibles, le recruteur peut disposer d’une matière plus riche. Le problème apparaît lorsque l’IA ajoute de fausses compétences, invente des expériences ou uniformise les candidatures au point de masquer les différences.
À mesure que des IA rédigent et lisent les CV, le document pourrait évoluer. Il pourrait contenir davantage de contexte et moins de simples mots-clés, à condition que les informations restent exactes, pertinentes et vérifiables.
En 2040, plusieurs portes d’entrée vers l’entreprise ?
À quoi pourrait ressembler le recrutement dans quinze ans ? Jérémy Lamri espère que les entreprises ne proposeront plus un processus unique à tous les candidats.
Dépôt d’un CV, mise en situation, échange conversationnel, présentation d’un projet, test ou recommandation : plusieurs portes d’entrée pourraient coexister. L’enjeu serait alors de garantir que ces parcours offrent des chances comparables d’accéder à l’étape suivante.
Cette multiplicité permettrait de mieux tenir compte des préférences et des conditions dans lesquelles chaque personne peut exprimer ses compétences. Elle pourrait soutenir à la fois l’expérience candidat, la diversité et l’innovation en recrutement.
Le recrutement de demain ne reposera peut-être pas sur le processus parfait. Il reposera sur la capacité à observer un candidat de plusieurs manières, à expliciter les critères utilisés et à maintenir la technologie au service d’une décision responsable.
Retrouvez l’échange complet avec Jérémy Lamri dans ce nouvel épisode de Shortlist saison 4, une série myRHline × SmartRecruiters.
Questions fréquentes sur l’évaluation du potentiel
Peut-on prédire le potentiel d’un candidat à partir de son CV ?
Le CV fournit des informations sur le parcours, les expériences et certaines réalisations. Il ne suffit pas à prédire précisément la performance future, qui dépend aussi du poste, de l’équipe, du management et des conditions de travail.
Quels critères permettent d’évaluer le potentiel d’un candidat ?
L’évaluation peut porter sur les réalisations, la capacité d’apprentissage, l’adaptabilité, la coopération, la résolution de problèmes et la manière dont le candidat pourrait compléter une équipe donnée. Ces critères doivent être définis avant l’étude des candidatures.
L’IA peut-elle sélectionner les meilleurs candidats sans biais ?
Aucun système ne garantit une absence totale de biais. L’IA peut aider à traiter un volume important de candidatures, mais son usage suppose des critères documentés, des tests réguliers, une analyse des effets produits et une supervision humaine réelle.