La multiplication des candidatures automatisées par intelligence artificielle engendre des difficultés de recrutement, marquée par une hausse des fraudes aux entretiens, selon des données publiées en 2026 par l’Institute of Student Employers au Royaume-Uni.
Le marché du travail fait face à une surcharge inédite de dossiers. Des postes vacants attirent des vagues massives de candidatures en un seul week-end, poussant les employeurs comme les postulants à se tourner vers des outils technologiques pour reprendre le contrôle de ces flux de données.
L’essor des candidatures automatisées et la flambée des fraudes chez les diplômés
L’utilisation de systèmes d’intelligence artificielle pour générer des lettres de motivation, peaufiner des curriculum vitæ et répondre en direct lors d’entretiens virtuels a atteint des sommets. Selon l’enquête annuelle de l’Institute of Student Employers (ISE), qui regroupe 290 employeurs au Royaume-Uni tels que Marks & Spencer, Rolls-Royce et Accenture, les signalements de comportements fautifs lors des processus de sélection ont atteint un niveau record en 2026.
L’étude indique que 92 % des employeurs interrogés suspectent ou confirment des agissements irréguliers. En tête de ces pratiques figure l’utilisation non autorisée d’outils d’intelligence artificielle lors des entretiens, signalée par 66 % des répondants. Les candidats ont également recours à ces technologies pour passer des tests en ligne à hauteur de 47 %, ou pour rédiger des questions de candidature et des CV pour 10 % d’entre eux.
“C’est comme s’ils lisaient sur un prompteur.”
Chris Morrow, directeur d’une agence de recrutement à Manchester, via The Guardian
La transformation et l’enrichissement des curriculum vitæ modernes
Les mentions d’outils d’intelligence artificielle ont quant à elles bondi de plus de 100 fois par rapport à 2020, la plus forte accélération s’étant produite en 2025. ChatGPT demeure l’outil le plus fréquemment cité, suivi par Copilot et Claude. En parallèle, les candidats cherchent à afficher leur identité : les mentions de pronoms ont progressé de 784 %, l’utilisation de photos a augmenté de 118 % depuis 2020.
Le biais d’autosélection des intelligences artificielles dans le tri des candidatures
Du côté des entreprises, l’expérimentation de solutions d’évaluation automatisée soulève des interrogations sur leur neutralité. Le cabinet d’avocats Addleshaw Goddard, confronté à 178 candidatures pour un poste en technologie informatique au sein de ses ressources humaines, a testé un agent conversationnel basé sur Microsoft Copilot pour classer les profils. Le classement fourni par l’outil différait sensiblement de celui établi par les recruteurs humains, l’intelligence artificielle ayant privilégié des profils aux réalisations extraordinaires qui s’avéraient être rédigés à l’aide d’outils automatisés selon les observations rapportées par The Irish Times.
Cette observation fait écho à des travaux de recherche universitaire simulant des processus de recrutement pour 2 000 projets de startups. L’étude indique que les candidats utilisant le même grand modèle de langage que le recruteur affichent une probabilité de préselection accrue de 23 % à 60 % par rapport aux candidats s’appuyant sur des méthodes traditionnelles d’après les analyses menées par le chercheur Jiannan Xu. Les modèles démontrent ainsi des tendances à l’autopréférence, un phénomène que les chercheurs estiment pouvoir atténuer en demandant explicitement aux logiciels d’ignorer l’origine technologique des dossiers et de se concentrer sur leur contenu.
L’évaluation des startups et le défi de la conformité symbolique
Les limites de l’évaluation automatisée s’étendent au-delà du recrutement traditionnel, touchant l’analyse de notes de projets et de propositions financières. Une étude menée par des chercheurs a examiné 2 000 projets de startups inspirés d’idées soumises à l’accélérateur Y Combinator entre 2020 et 2023, en soumettant ces dossiers à des modèles de langage dotés de noms de fondateurs codés selon l’origine ethnique et le genre selon les conclusions relayées par Yale Insights.
L’analyse a mis en évidence un comportement de conformité symbolique. Si les modèles ajustent leurs notes afin d’éviter d’attribuer les dernières places aux minorités sous-représentées, leur logique d’évaluation sous-jacente ne garantit pas une équité de fond, les notes n’augmentant pas de manière significative les chances réelles de victoire de ces candidats d’après les auteurs de l’étude.
À ne pas manquer