Le tri de CV par IA, c'est le processus par lequel un logiciel lit les candidatures reçues sur une offre, en extrait des données structurées (expérience, compétences, formation, langues) et attribue à chacune un score d'adéquation à la description du poste. Le recruteur reçoit une liste classée et décide qui passe à l'étape suivante, au lieu de lire des dizaines ou des centaines de CV à la main.
La vraie question, pour l'entreprise comme pour le candidat, n'est pas "est-ce que ça marche ?" Ça marche, et c'est en production dans la quasi-totalité des ATS français de taille moyenne ou grande. La question est : est-ce que ça marche pour le type de poste que vous ouvrez ? Pour certains, oui. Pour les postes techniques à l'échelle, c'est là que le modèle rencontre des limites prévisibles.
En une phrase
Le tri par IA est bon pour organiser du volume et mauvais pour prédire la compétence technique. Il transforme "300 CV" en "20 CV probables", mais à l'intérieur de ces 20, la corrélation avec la performance réelle reste celle d'un humain qui lit : faible.
Comment l'IA lit un CV
Le pipeline classique comporte quatre étapes.
1. Parsing : le CV (PDF, DOCX, scan) est converti en texte puis segmenté en blocs (en-tête, résumé, expérience, formation, compétences, langues). Les modèles récents gèrent bien les mises en page variées.
2. Extraction d'entités : les entreprises, les intitulés de poste, les années, les technologies, les certifications. Cette partie est précise sur les CV bien formatés, et plus faible sur les CV créatifs (graphiques, icônes, colonnes).
3. Matching avec l'offre : le système compare le vecteur sémantique du CV au vecteur de la description du poste. Les pondérations s'ajustent par compétence obligatoire, années d'expérience, localisation, fourchette de rémunération.
4. Classement : une note finale (souvent de 0 à 100) définit l'ordre dans lequel le recruteur voit les candidats.
Les plateformes plus anciennes se contentent du matching par mots-clés. Les plateformes modernes utilisent des embeddings (une représentation vectorielle du texte) qui comprennent que "ingénieur logiciel" et "développeur back-end" sont proches dans l'espace sémantique sans être identiques.
Ce que le tri par IA évalue bien
- L'adéquation déclarée : si le candidat a écrit "React 5 ans" et que l'offre exige React 3 ans, le système capte cela presque parfaitement.
- Les prérequis formels : diplôme, certification précise, langue avec niveau déclaré, localisation.
- Le volume : 1 000 CV deviennent une liste classée en quelques secondes.
- La cohérence de parcours : longue interruption, changements très fréquents, progression de séniorité.
- La conformité de base : les postes à exigences réglementaires strictes (ordre professionnel, habilitation, certification obligatoire) sont triés par adéquation exacte.
Ce que le tri par IA n'évalue pas
- La compétence réelle, pas déclarée. Qui écrit "React 5 ans" peut avoir fait des tutoriels pendant 4 ans et un seul écran en production. Le CV enregistre une auto-déclaration, pas une capacité.
- La capacité à résoudre un problème inédit. C'est précisément ce qui distingue un ingénieur moyen d'un excellent.
- Le comportement en équipe. Les soft skills qui comptent (communication, gestion du conflit, sens des responsabilités) n'apparaissent pas sous forme de texte extractible.
- La culture technique. Qui privilégie la qualité sur la vitesse ? Qui documente ? Qui relit le code avec soin ? Le CV reste muet.
- La motivation du moment. Qui cherche activement, qui est ouvert aux opportunités, qui se contente de mettre son profil à jour.
Au fond, le tri par IA est une lecture plus rapide du même CV, pas une mesure différente.
Où le tri échoue sur les postes techniques
Trois défaillances typiques.
1. Le biais excessif par mot-clé
Un candidat avec une solide expérience en "Vue" écarté d'une offre "React" parce que le système n'infère pas que passer d'un framework front-end à l'autre est trivial pour un senior. Le recruteur a posé React comme obligatoire, l'IA exécute la consigne.
2. Les faux positifs liés au CV optimisé
Il existe une industrie informelle du CV optimisé pour les ATS. Celui qui apprend à glisser subtilement 30 mots-clés passe le filtre, celui qui rédige un CV concis et direct se retrouve parfois en bas de pile. D'après les analyses relayées en France, les systèmes de tri automatisé écartent une très large part des candidatures avant même qu'un humain ne les regarde, ce qui amplifie l'effet de ces optimisations.
3. Les biais hérités du modèle
Les modèles entraînés sur les historiques d'embauche reproduisent les schémas de l'entreprise, y compris ceux qu'elle a tout intérêt à ne pas répéter : écoles précises, entreprises précises, tranche d'âge, type de nom. En France, la CNIL a annoncé renforcer ses contrôles sur les algorithmes de tri et de présélection des candidatures, et l'enjeu de l'audit des biais devient central.
Tri par IA contre évaluation par tests
La différence concrète tient à l'endroit où le travail de filtrage se fait.
| Aspect | Tri par IA | Évaluation par tests |
|---|---|---|
| Ce qui est mesuré | Adéquation déclarée au besoin | Exécution réelle de la compétence |
| Fiabilité prédictive | Moyenne (bruit élevé sur les postes techniques) | Élevée pour les compétences mesurables (code, langue, raisonnement) |
| Effort pour l'entreprise | Faible | Moyen (créer des tests ou utiliser une plateforme prête) |
| Effort pour le candidat | Quasi nul | Moyen (quelques heures au départ) |
| Là où ça marche le mieux | Postes à exigences exactes et mesurables dans le CV (certification, langue certifiée, années précises) | Postes où la performance se mesure hors du CV (dev, data, langue de production) |
| Risque de biais historique | Élevé | Faible si le test est objectif |
| Constitution du vivier | Toujours à refaire | Réutilise une évaluation portable |
Les deux modèles coexistent : le tri par IA filtre le haut de l'entonnoir, l'évaluation par tests filtre la profondeur de la compétence. Sur les postes techniques, les plateformes modernes déplacent le test avant le contact, pour que le recruteur ne reçoive que des candidats avec une preuve d'exécution.
L'approche de NORT
NORT inverse la logique. Plutôt que l'IA lise le CV à l'entrée de l'offre, le candidat passe une évaluation portable une seule fois : tests techniques, Big Five, langues, validation de l'expérience. Le résultat alimente un score de carrière, et l'entreprise filtre ce vivier déjà pré-qualifié selon des critères objectifs. NORT n'est pas un ATS : c'est une logique de recrutement inversé qui vient compléter votre outil de suivi des candidatures, pas le remplacer.
Pour le recruteur, cela signifie :
- pas de tri initial, le vivier est déjà évalué ;
- un filtre par compétence directe, et non par proxy (le mot-clé du CV) ;
- un délai moyen d'embauche qui baisse, parce que l'étape "lire 300 CV" disparaît.
Pour le candidat, cela revient à fournir l'effort une fois et à disposer d'un résultat portable sur plusieurs opportunités, au lieu de refaire des tests à chaque candidature.
Côté outillage, le vivier reste compatible avec un ATS français comme Flatchr, Taleez ou Lucca, et le rapprochement entre profils et postes s'appuie sur un mécanisme de matching candidat-poste plutôt que sur la simple coïncidence de mots-clés. Pour comprendre où s'arrête le rôle d'un logiciel de suivi des candidatures, le glossaire détaille la frontière entre gestion de l'entonnoir et évaluation des compétences.
Quand le tri par IA reste le meilleur choix
Ce n'est pas l'un contre l'autre. Il existe des postes où le tri par IA suffit largement.
- Les postes administratifs et opérationnels, où l'adéquation déclarée corrèle fortement avec la réalité.
- Les volumes énormes (50 000 candidatures pour un programme de jeunes diplômés) : sans tri automatisé, le processus ne tient pas l'échelle.
- Les prérequis formels non négociables (inscription à un ordre professionnel, certification obligatoire).
- Les candidatures spontanées entrantes : une entreprise qui reçoit beaucoup de candidatures via son site.
C'est aussi un contexte français particulier qui rend le sujet brûlant : la pénurie de profils tech, documentée par Numeum et France Travail, pousse les entreprises à automatiser le tri pour aller plus vite, alors même que ce sont ces postes techniques qui se prêtent le moins bien au tri par CV.
Que dit le cadre légal français sur le tri automatisé ?
Trier des candidatures par IA, c'est traiter des données personnelles et souvent déléguer une décision à un algorithme. Deux repères encadrent la pratique en France.
D'abord le RGPD, applicable en France comme dans toute l'Union européenne. Son article 22 encadre les décisions entièrement automatisées : une décision d'écarter un candidat, qui a un impact significatif sur son accès à l'emploi, ne peut pas reposer exclusivement sur un traitement automatisé. Le candidat conserve un droit à une intervention humaine, à l'information sur la logique du traitement et à la contestation. En pratique, la plupart des entreprises gardent un humain qui regarde la liste classée, ce qui satisfait l'exigence, à condition que cette intervention soit réelle et pas une simple validation de façade.
Ensuite, la CNIL précise et contrôle. Elle considère comme acceptables, sous conditions, le tri automatisé des CV et les outils de présélection, mais exige transparence, minimisation des données, durées de conservation définies et information claire du candidat. Pour cadrer un projet, le référentiel recrutement publié par la CNIL est la référence à consulter avant de déployer un outil de scoring. À cela s'ajoute le règlement européen sur l'IA, qui range le recrutement assisté par IA parmi les usages à haut risque et impose documentation, supervision humaine et contrôle des biais.
Point important : un procédé structuré et mesurable se justifie plus facilement, sous le RGPD comme face à la CNIL, qu'un tri opaque dont personne ne peut reproduire la logique de notation.
Questions frequentes
Le tri par IA est-il équitable pour les candidats ?
Techniquement, il applique le même critère à tous. En pratique, il hérite des biais du jeu de données historique et de la façon dont le recruteur a rédigé l'offre. Il est équitable s'il est audité, et la plupart des entreprises en France n'auditent pas encore.
Dois-je optimiser mon CV pour passer le filtre de l'IA ?
Pour les offres filtrées via un ATS classique : oui, aujourd'hui. Reprenez les mots-clés de l'offre, gardez une mise en page sobre (sans icônes décoratives), enregistrez en PDF non scanné. Pour une plateforme comme NORT, c'est sans objet : le filtre porte sur une compétence mesurée, pas sur du texte.
L'IA repère-t-elle un CV "gonflé" ?
En partie. Les modèles récents signalent les incohérences (technologies improbables, interruption inexpliquée, progression suspecte), mais ils ne lisent pas l'intention. Un CV bien écrit, même exagéré, passe généralement.
Le RGPD restreint-il le tri automatisé en France ?
Oui, via l'article 22, qui garantit un droit à l'intervention humaine sur une décision entièrement automatisée affectant la personne. La CNIL ajoute des exigences de transparence et de minimisation. Concrètement, gardez un humain qui décide réellement à partir de la liste classée, et documentez le traitement dans le consentement et la politique de confidentialité.
L'IA générative (LLM) fait-elle aussi du tri ?
Oui. ChatGPT, Claude, Gemini et les modèles open source sont déjà utilisés dans des flux sur mesure de PME et d'ETI : on passe le CV et l'offre au modèle et on demande l'analyse. L'explicabilité y gagne ("pourquoi ce candidat ?"), mais le coût et la latence limitent encore l'usage sur de gros volumes.
TL;DR
- Le tri par IA est efficace sur le volume et les prérequis déclarés, faible pour prédire la compétence technique réelle.
- Pour les postes administratifs et opérationnels, il suffit largement.
- Pour les postes techniques, il est plus pertinent de déplacer le filtre de "lire le CV" vers "mesurer la compétence".
- Les deux modèles cohabitent : tri par IA puis évaluation par tests, en séquence, fonctionne mieux que l'un ou l'autre seul.
- En France, le RGPD et la CNIL poussent vers des procédés structurés et documentables plutôt que vers un tri opaque.
- NORT a choisi la voie de l'évaluation portable, faite une fois, valable sur plusieurs opportunités.
Vous voulez filtrer un vivier déjà pré-qualifié au lieu de relire des centaines de CV ? Créez un compte NORT gratuit et testez le filtrage par compétences mesurées sur votre prochain recrutement.