Tri de CV automatisé
Trier rapidement des dizaines à centaines de CV pour identifier les profils les plus pertinents tout en restant conforme à l'AI Act et au RGPD.
Le tri de CV est l'une des tâches les plus chronophages du recrutement : 100 CV pour un poste, c'est facilement une journée de travail à faire un premier tri. L'IA permet de descendre à 30-60 minutes pour la même volumétrie. Mais le recrutement est classé « système haut risque » par l'AI Act européen depuis 2026 : obligations de transparence vis-à-vis des candidats, supervision humaine, traçabilité, audits de biais. Ce guide présente le workflow qui industrialise sans dégrader l'éthique ni la conformité.
Workflow étape par étape
Définir une grille d'évaluation explicite
Avant tout tri : lister les critères objectifs (compétences, années d'expérience, formations) et leurs pondérations. Sans grille explicite, l'IA reproduit ses biais et vos préférences inconscientes.
Anonymiser les CV avant traitement
Retirer nom, prénom, photo, âge, adresse, nom d'écoles précis (garder le niveau et la spécialité). Cela limite les biais discriminatoires et reste conforme aux bonnes pratiques RH.
Soumettre au tri avec critères explicites
Demander à l'IA de scorer chaque CV sur les critères définis, avec justification. Pas une note globale opaque mais un score par critère pour permettre l'audit.
Auditer les résultats
Vérifier la cohérence : les profils écartés le sont-ils pour des raisons légitimes ? Y a-t-il un biais sur certaines variables (genre déduit du prénom même anonymisé, école, etc.) ? Garder une trace de l'audit.
Décision finale humaine
Le tri IA produit une short-list, mais la décision (qui appeler, qui rejeter) reste humaine. Conformité AI Act : la supervision humaine effective est obligatoire pour les systèmes haut risque.
Prompts copiables
4 prompts testés et optimisés. Adaptez les variables entre crochets [VARIABLE] à votre contexte.
Tri d'un lot de CV
Tu es recruteur senior. Voici les critères pour le poste « [POSTE] » : **Critères objectifs** : [LISTE AVEC PONDÉRATION /20] - Compétences requises : [LISTE] - Compétences souhaitées : [LISTE] - Expérience minimale : [DURÉE] - Formation : [NIVEAU] **CV à évaluer** (anonymisés) : [CV 1] [CV 2] [...] Pour chaque CV, produis : 1. **Score par critère** /20 avec justification courte 2. **Score global** /100 3. **Top 3 forces** 4. **Top 3 lacunes** ou points à creuser en entretien 5. **Recommandation** : appeler / mettre en pile B / écarter 6. **Raisons** précises et objectives de la recommandation Reste factuel, ancré dans les critères, sans interprétation des éléments anonymisés.
Détection de biais dans une short-list
Voici la short-list issue d'un tri de CV : [LISTE AVEC SCORES ET RAISONS] Le pool initial était de [N] candidats avec cette répartition (informations agrégées disponibles) : [RÉPARTITION GENRE / ÂGE / ORIGINE / ÉCOLES SI ANALYSÉ] Audite la short-list pour détecter des biais potentiels : 1. **Disparités** entre pool initial et short-list par variable 2. **Patterns suspects** dans les critères de tri (tel critère pénalise-t-il systématiquement un groupe ?) 3. **Critères contestables** : leur lien avec la performance future est-il avéré, ou est-ce un proxy biaisé ? 4. **Recommandations** pour corriger ou élargir la short-list 5. **Documentation** à produire pour la traçabilité AI Act Reste neutre et factuel.
Synthèse de candidature pour manager
Voici un CV présélectionné : [CV] Produis une note de synthèse pour le manager qui va recevoir le candidat en entretien : 1. **Profil en 3 lignes** 2. **Top 3 forces** alignées avec le poste 3. **3 questions à creuser** en entretien (zones d'incertitude, écarts au CV) 4. **Compatibilité culturelle probable** (sans extrapoler au-delà du CV) 5. **Niveau de séniorité réel estimé** vs niveau affiché 6. **Risques** : turnover possible, surqualification, etc. Pas de jugement sur des éléments protégés (âge, origine, etc.). Strictement professionnel.
Reformulation d'un rejet candidat
Pour ce candidat non retenu : **Profil** : [PROFIL ANONYMISÉ] **Poste visé** : [POSTE] **Raisons du rejet** (factuelles) : [RAISONS] Rédige un message de rejet : - Bienveillant et respectueux - Sincère sur le motif principal (sans être brutal) - Constructif si possible (suggestion pour postuler à d'autres postes, conseil de développement) - Pas plus de 150 mots - Sans ouvrir la porte à un débat ou une négociation - Conforme RGPD (pas de stockage abusif de données) Objectif : préserver l'image employeur, ne pas faire de promesse non tenue.
Top outils pour ce cas d'usage
Sélection commentée des 3 meilleurs outils IA pour tri de cv automatisé.
Pourquoi pour ce cas d'usage : Le plus précis pour le tri argumenté avec justifications par critère. Hallucinations limitées sur les éléments factuels du CV.
Pourquoi pour ce cas d'usage : Bon pour traiter des volumes en parallèle (API), avec Code Interpreter pour des analyses statistiques de la short-list.
Pourquoi pour ce cas d'usage : Pour la phase d'entretien : capture, transcription et synthèse automatiques, indispensables pour le partage avec le manager.
ROI estimé
Temps gagné
70-80% sur le tri (1h vs 4-6h pour 100 CV)
Gain qualité
Critères objectivés et tracés, audits de biais possibles
Coût stack
30-100€/mois pour solutions entreprise conformes
Estimations basées sur des benchmarks 2026 et retours d'utilisateurs. Le ROI réel dépend de votre contexte.
Questions fréquentes
Le tri IA est-il conforme à l'AI Act ?
Conditionnellement. Le recrutement est classé haut risque depuis 2026 : il faut documenter la grille d'évaluation, garantir une supervision humaine effective, informer les candidats de l'usage de l'IA, auditer régulièrement les biais. Avec ces conditions : oui. Sans : risque de sanction.
Peut-on rejeter un candidat sur la seule décision de l'IA ?
Non. L'AI Act exige une supervision humaine effective pour les décisions impactantes. Le tri IA produit une recommandation, l'humain décide. Toute décision automatique de rejet sans intervention humaine est non conforme.
Doit-on dire aux candidats qu'on utilise l'IA ?
Oui, depuis l'AI Act 2026 : information claire, droit à demander une révision humaine, possibilité de demander quels critères ont été utilisés. À intégrer dans les politiques de candidature et la communication recrutement.
Quels biais l'IA peut-elle reproduire ?
Tous ceux des données d'entraînement et des décisions historiques de votre entreprise : genre, origine, âge, école, parcours linéaire vs atypique. Audit régulier indispensable. Solutions : critères ultra-explicites, anonymisation amont, validation post-tri par échantillonnage.