IA au recrutement : pourquoi la confiance recule14 min de lecture2 794 mots

IA au recrutement : pourquoi la confiance recule

Rejets sans explication, offres fantômes et IA au recrutement : ce que révèlent les enquêtes américaines et les garde-fous utiles aux candidats et employeurs.

IA au recrutementrecrutement algorithmiqueéthique de l’intelligence artificielleoffres d’emploi fantômesdouble emploi
IA au recrutement : pourquoi la confiance recule

Quand l'IA brouille le recrutement, les salariés diversifient leurs revenus

Un deuxième emploi n'est pas seulement un « plan de carrière », ni juste un moyen d'améliorer son niveau de vie. Pour certains professionnels, c'est surtout une protection contre la perte du premier. Dans une enquête d'Enhancv auprès de 1 000 personnes qui occupent plusieurs emplois à temps plein, 79,5 % estiment qu'un second salaire les met à l'abri des licenciements et de l'instabilité économique.

Le tout se déroule dans un climat où la confiance dans le recrutement s'érode. Toujours selon Enhancv, sur 1 066 personnes en recherche d'emploi interrogées aux États-Unis, 50,5 % déclarent avoir reçu, sur l'année précédente, un refus sans retour humain. Entre les outils de sélection automatisée, les annonces qui n'aboutissent jamais et les processus difficiles à comprendre, l'impression s'installe que les règles du jeu se décident ailleurs, sans que le candidat ait vraiment prise sur le résultat.

Ces chiffres ne décrivent pas directement la situation en France. Ils viennent d'enquêtes américaines, donc on ne peut pas les transformer en « tendance universelle » sans nuance. Mais ils posent une question qui concerne aussi les entreprises européennes : que se passe-t-il quand l'IA accélère le tri des candidatures, tout en laissant les décisions sans explication ? Cet article revient sur les données, les conséquences possibles pour les salariés, et les pratiques qui peuvent rétablir un minimum de confiance.

Pourquoi les refus automatisés dégradent-ils la confiance ?

Un refus sans explication, ce n'est pas nouveau. Ce qui change, c'est l'ampleur : des outils numériques peuvent trier, classer ou rejeter des candidatures sans échange humain. Le candidat ne sait souvent ni si son dossier a été lu, ni quels critères ont compté, ni si quelqu'un a relu le résultat.

Dans l'enquête d'Enhancv, 50,5 % des personnes déclarent avoir reçu un refus sans retour humain. Parmi celles concernées, 63,8 % pensent qu'un algorithme a pris la décision. Il s'agit d'une perception, pas d'une preuve que chaque refus vient d'une IA. Et cette nuance compte : quand le processus est opaque, l'incertitude grandit, même si l'automatisation n'est pas systématiquement responsable.

Un processus automatisé peut rester incompréhensible

Les outils de recrutement ne font pas tous la même chose : classement de CV, recherche de mots-clés, chatbots de présélection, tests en ligne, ou encore analyse d'entretiens vidéo. Certains servent à absorber un volume important de candidatures. D'autres pèsent directement sur la probabilité qu'un dossier soit examiné par une personne.

Le problème vient donc rarement d'un seul « algorithme ». Il tient à un enchaînement de points :

  • Des critères peu visibles : le candidat ne sait pas quelles compétences sont vraiment évaluées.
  • Une décision difficile à contester : pas de contact clair pour corriger une erreur ou un dossier mal interprété.
  • Une responsabilité floue : le recruteur peut se reposer sur l'outil, tandis que le fournisseur renvoie à la configuration choisie par l'employeur.

D'après l'enquête, 68,5 % des candidats disent que les employeurs ne leur ont pas expliqué clairement le recours à l'IA. Et 31,4 % déclarent avoir abandonné une candidature après une étape de vidéo différée ou de chatbot. En clair : côté entreprise, l'outil peut réduire le temps de traitement ; côté candidat, il peut aussi augmenter les abandons.

L'automatisation peut amplifier les biais perçus

Près de la moitié des répondants, 47,7 %, estiment que les outils d'IA utilisés au recrutement sont biaisés selon l'âge, l'origine, le genre ou le parcours. Là encore, c'est une perception déclarée. Mais quand cette perception se répète, elle devient un problème concret : retrait de certains candidats, adaptation « cosmétique » des dossiers, et impression que l'employeur n'est pas fiable.

Les écarts selon l'âge renforcent cette impression : les refus silencieux touchent 62,2 % des 25-34 ans et 61,5 % des 18-24 ans, contre 32 % pour les personnes de 55 ans et plus. Ces chiffres ne prouvent pas à eux seuls une discrimination liée à l'âge. Ils disent surtout que l'expérience du processus n'est pas vécue de la même manière.

Le paradoxe, c'est que les candidats utilisent aussi ces outils : 49,6 % disent avoir eu recours à l'IA dans leur recherche d'emploi. Employeurs et candidats finissent alors par s'ajuster à des systèmes qu'ils comprennent parfois mal. On se retrouve moins sur une mise en correspondance sérieuse poste/compétences, et davantage sur une compétition de signaux.

Pourquoi certains salariés gèrent-ils leur emploi comme un portefeuille ?

L'image du portefeuille décrit une idée simple : diversifier le risque. Au lieu de dépendre d'un seul revenu, certains répartissent leurs chances entre plusieurs postes. Ce n'est pas automatiquement une stratégie facile, souhaitable ou possible pour tout le monde. Mais c'est une façon de vivre la sécurité de l'emploi différemment qu'au moment où la fidélité à un employeur semblait offrir une protection durable.

Dans l'enquête d'Enhancv auprès de 1 000 professionnels occupant plusieurs emplois à temps plein, 79,5 % considèrent le second salaire comme une protection contre les licenciements et l'instabilité économique. Environ la moitié déclarent qu'il leur faudrait une hausse de rémunération de 21 à 50 % pour renoncer à ce revenu supplémentaire. Et 12,9 % disent qu'aucun niveau de rémunération ne les ferait quitter leur deuxième emploi.

Le travail multiple ne concerne pas seulement la technologie

On pense vite que le cumul d'emplois concerne surtout des profils capables de travailler à distance pour plusieurs entreprises. Les données d'Enhancv compliquent le tableau : les ingénieurs logiciels ne représentent que 2,3 % des répondants. Les secteurs les plus représentés sont l'éducation (16,6 %), les opérations (12,9 %) et la santé (11 %).

Le phénomène ne se limite donc pas aux métiers où l'IA peut produire du code ou automatiser une partie de la production. Les horaires, les périodes plus calmes, le type d'objectifs et la possibilité de travailler à distance comptent aussi. Parmi les répondants, 50,4 % travaillent principalement sur site, contre 26,5 % en mode hybride : une grande partie conserve donc une présence physique.

Attention aussi à la portée des chiffres : on parle d'un échantillon de personnes ayant plusieurs emplois à temps plein, pas de « tous les salariés ». On ne peut pas en tirer une conclusion sur la fréquence du cumul dans chaque secteur. On peut en revanche dire qu'il existe des situations de travail assez diverses pour éviter de réduire le phénomène à un cliché « tech ».

L'IA libère du temps, mais pas nécessairement du revenu

Parmi les répondants qui cumulent plusieurs emplois, 28 % disent que les outils d'IA ont fortement réduit leur charge de travail ; 8 % déclarent une baisse de plus de moitié. Environ un quart atteint ses objectifs principaux en 30 heures ou moins. Pour 26,4 %, la rapidité d'exécution est le moyen principal de faire tenir plusieurs activités. D'autres s'appuient sur le blocage de plages dans leur agenda ou sur des appareils séparés.

Ce constat met en lumière une tension de gestion. Si une tâche prend moins de temps grâce à l'automatisation, l'entreprise y voit un gain de productivité. Mais si la rémunération, l'évaluation et les attentes restent liées à la présence et au « temps compté », le salarié peut choisir d'utiliser le temps gagné ailleurs, plutôt que d'en faire plus pour le même employeur.

Il ne faut pas en déduire que l'IA rend automatiquement possible de tenir deux postes. Les outils ne suppriment ni les réunions, ni les responsabilités, ni les contraintes contractuelles. Ils modifient surtout l'équilibre entre temps nécessaire et résultats produits. Quand cet équilibre n'est pas discuté, employeur et salarié peuvent se retrouver avec des attentes qui ne se rejoignent pas.

Quels risques les outils d'IA font-ils peser sur le recrutement ?

L'automatisation peut rendre un processus plus rapide, mais la vitesse ne garantit ni la qualité de la sélection, ni la confiance. En recrutement, une erreur de classement peut écarter un candidat pertinent avant même qu'un recruteur ne lise son dossier. Un test standardisé peut aussi mesurer surtout la capacité à réussir ce test, plutôt que les compétences réellement nécessaires au poste.

Les risques augmentent encore quand l'entreprise n'arrive pas à expliquer ce que fait son outil. Un fournisseur peut vendre la solution comme un simple assistant alors qu'elle influence concrètement la présélection. À l'inverse, un système transparent limité à des tâches administratives peut réduire la charge des équipes sans décider qui mérite un entretien. La frontière entre « assistance » et « décision » est donc décisive.

Les offres fantômes imposent un coût aux candidats

L'IA n'est pas la seule source de défiance. Une autre enquête d'Enhancv, menée auprès de 1 000 professionnels américains en mars 2026, s'intéresse aux offres fantômes : des annonces publiées pour des postes que l'employeur n'aurait pas l'intention de pourvoir. Parmi les personnes ayant au moins huit ans d'expérience, 51 % disent en avoir rencontré.

Au total, 37 % des répondants déclarent avoir subi des dépenses directes liées à leur recherche d'emploi. Une candidature demande du temps, mais peut aussi générer des frais de déplacement, de garde ou de préparation. Par ailleurs, 16,1 % disent avoir vu une annonce republiée comme nouvelle peu après un refus.

Les candidatures de cadres peuvent être particulièrement coûteuses. Sur 411 répondants seniors, 31 % rapportent que des employeurs leur ont demandé des présentations stratégiques ou des informations marketing avant de formuler une offre. Pour l'entreprise, une étude de cas peut servir à évaluer une compétence. Pour le candidat, un exercice trop proche d'un vrai problème commercial peut vite ressembler à du travail gratuit, ou à une extraction d'idées.

Dans un processus sérieux, on définit en amont le temps consacré à l'exercice, les compétences évaluées et l'usage prévu du travail fourni. L'idée n'est pas de « voler » une recommandation exploitable, mais d'observer une méthode de raisonnement.

La défiance ne s'arrête pas à la sélection

La manière dont l'entreprise gère aussi le retour au bureau pèse sur la perception de sécurité. Dans une enquête distincte d'Enhancv auprès de 1 000 salariés américains, 72 % interprètent les règles de retour au bureau comme un moyen de pousser certains employés à démissionner. Et 36 % disent avoir lancé une activité complémentaire après l'annonce d'un retour en présentiel.

Ces résultats ne prouvent pas que les politiques de présence visent « en général » à provoquer des départs. Ils montrent surtout que l'écart entre l'intention affichée et la façon dont la mesure est reçue peut compter. Pour les salariés, l'accumulation de signaux - refus sans explication, poste incertain, contrôle du temps, changements d'organisation décidés sans discussion - rend la diversification des revenus rationnelle, du moins sur le papier.

En France et dans l'Union européenne, cette question s'inscrit aussi dans un cadre réglementaire spécifique. Le RGPD encadre le traitement des données personnelles, y compris pour les candidats. Le règlement européen sur l'IA classe certains systèmes utilisés dans l'emploi parmi les systèmes à haut risque, avec des obligations qui dépendent du cas d'usage et du calendrier applicable. Cela ne remplace pas une analyse juridique, mais complique le traitement du recrutement « algorithmique » comme une simple fonctionnalité logicielle.

Comment rendre le recrutement plus fiable et plus équitable ?

La bonne réponse n'est ni d'interdire tous les outils d'IA, ni de confier la présélection à un fournisseur « en pilote automatique ». Il faut d'abord se demander quelle décision on veut améliorer, puis vérifier si l'automatisation rend réellement cette décision meilleure. Un système qui réduit le délai sans dégrader la pertinence peut être utile. En revanche, si personne ne sait expliquer les erreurs, l'entreprise accumule une dette de confiance qu'elle finira par payer : abandons, réputation abîmée, recrutements ratés.

Pour les employeurs : traiter l'outil comme un processus, pas comme une boîte noire

Avant de déployer un outil, l'équipe recrutement et les responsables opérationnels devraient répondre à quelques questions simples, mais concrètes :

  • Quelle tâche est automatisée ? Distinguer l'organisation des candidatures, l'extraction d'informations et la recommandation de profils, puis la décision finale de rejet.
  • Quelles données sont utilisées ? Vérifier leur pertinence, leur qualité, leur durée de conservation et les conditions de traitement par le fournisseur.
  • Qui contrôle les résultats ? Identifier une personne capable d'examiner un cas contesté et de corriger une erreur.
  • Comment mesurer les écarts ? Comparer les taux de passage entre étapes, regarder les erreurs et les abandons, et analyser les différences entre groupes, dans le cadre applicable.
  • Que sait le candidat ? Expliquer clairement où l'outil intervient, ce qu'il évalue, et comment demander un examen humain quand il est prévu.

Ces vérifications ne doivent pas disparaître après le lancement. Un outil testé sur un premier échantillon peut donner des résultats différents quand les postes, les candidatures ou les critères changent. La responsabilité de l'employeur ne s'évapore pas parce qu'un fournisseur a « conçu le modèle ».

Au-delà des gains de temps, la qualité se mesure aussi autrement : taux d'abandon à chaque étape, proportion de candidats qui correspondent réellement au poste après embauche, délai de réponse, et capacité à expliquer une décision. Si le processus accélère le tri mais écarte des profils pertinents, le gain affiché est en partie illusoire.

Pour les candidats : réduire le coût de l'incertitude

Les candidats ne contrôlent pas les choix d'une entreprise. Mais ils peuvent limiter le temps et les données qu'ils investissent dans un processus opaque. Avant de commencer un exercice, il est raisonnable de demander : l'objectif, la durée attendue, les critères d'évaluation et l'usage prévu du livrable. Une demande de travail stratégique substantiel, sans cadre clair, mérite au moins une discussion - surtout avant toute offre.

Il peut aussi être utile de garder une trace : date de candidature, échanges, tâches demandées, dépenses engagées. Cette discipline aide à repérer les annonces republiées, les délais anormaux et les processus qui s'étirent sans interlocuteur. Elle évite aussi de confondre une expérience isolée avec une règle générale.

Enfin, pour ceux qui envisagent une activité complémentaire : diversifier n'est pas « gratuit ». Il faut vérifier les clauses contractuelles, les conflits d'intérêts, les règles de confidentialité, les obligations de disponibilité, et - en France - les conséquences sociales et fiscales avec les bons interlocuteurs. Deux revenus peuvent réduire la dépendance à un employeur, mais augmenter la charge mentale et le risque de conflit professionnel.

À retenir : l'IA peut accélérer le recrutement, mais elle ne crée pas la confiance à elle seule. La confiance dépend de critères compréhensibles, d'une responsabilité humaine identifiable et d'un processus qui ne fait pas porter au candidat tout le coût de l'incertitude.

Conclusion

Les enquêtes d'Enhancv dessinent un cercle qui mérite l'attention : les refus opaques et les annonces incertaines fragilisent la confiance. Certains salariés répondent en diversifiant leurs revenus. L'IA peut faciliter cette organisation en réduisant le temps nécessaire à certaines tâches, sans pour autant régler la question de la sécurité économique.

Ces résultats américains ne doivent pas être transposés mécaniquement à la France. Ils rappellent surtout une règle de gestion assez simple : automatiser un processus sans rendre ses décisions compréhensibles, c'est souvent déplacer le coût - pas le supprimer. Pour les employeurs, l'enjeu est de définir le rôle réel de l'IA, de contrôler ses effets et de maintenir un recours humain concret. Pour les candidats, la prudence passe par des attentes clarifiées et une protection du temps, des données et du travail fournis pendant la sélection.

Questions frequentes

Cela consiste à répartir ses revenus ou ses activités entre plusieurs employeurs, plutôt que de dépendre entièrement d’un seul poste. Certains professionnels interrogés par Enhancv présentent leur second salaire comme une protection contre les licenciements.
Non. Les enquêtes citées ont été menées aux États-Unis auprès de groupes distincts. Elles éclairent des mécanismes possibles, mais ne mesurent pas leur fréquence en France et ne permettent pas une comparaison directe des marchés.
Les usages varient : certains outils organisent les dossiers, d’autres influencent davantage la présélection. Le rôle exact de l’IA n’est pas toujours expliqué. Les entreprises doivent évaluer le dispositif selon son usage concret et le cadre juridique applicable.
Aucun indice isolé ne suffit. Une annonce republiée ou un processus qui s’éternise peut justifier une vérification, sans prouver qu’aucun poste n’existe. Demandez si le recrutement est toujours ouvert et quel est son calendrier.

Articles similaires