Valeur 01

Aveugle là où
ça compte.

Nous ne prétendons pas que nos modèles sont exempts de biais — personne ne peut honnêtement le faire. Nous leur retirons plutôt le carburant. Ce que l'évaluation ne voit jamais, elle ne peut jamais en faire un motif de discrimination.

Nous avons mesuré ce que ce filtre retire réellement : 97,6 % du signal de genre détectable dans notre propre jeu de test. Le reste est infime — sans preuve qu'il soit nul, et nous le disons. Comment nous l'avons mesuré →

Comment c'est intégré

Deux passes, toutes deux avant la première note. Une passe à règles déterministes retire noms, e‑mail, téléphone, âge et formules de politesse. Une seconde passe, via un modèle distinct, retire ce que les règles ne peuvent pas saisir : origine, genre, situation familiale, santé, apparence. La transcription brute reste intacte pour le dossier humain — seule la version expurgée parvient à l'évaluation.

Ce qu'a dit le candidat

“Bonjour, je suis Lena Berger, 34, originaire de Pologne — j'ai refondu le processus de paie chez mon dernier employeur et réduit le taux d'erreur de 40 %.”

Passe 1 · Règles

Nom, e‑mail, téléphone, âge, année de naissance, formules de politesse genrées. Déterministe, testable, toujours actif.

Passe 2 · Modèle distinct

Origine, genre, religion, situation familiale, santé, apparence. Seuls les mots concernés changent — rien n'est réécrit.

Ce que voit l'évaluation

“Bonjour, je suis retiré, retiré, retiré — j'ai refondu le processus de paie chez mon dernier employeur et réduit le taux d'erreur de 40 %.”

L'essentiel professionnel est toujours conservé : expérience, périodes, qualifications. Les entretiens sont audio‑first — pas de caméra, aucune analyse du visage ni des émotions, nulle part dans la plateforme.
Lena Berger
Rapport d'entretien · Senior Payroll Specialist
Maîtrise du processusFort+

“J'ai refondu le processus de paie et réduit le taux d'erreur de 40 %.”

Transcription de l'entretien · 04:12
CommunicationBon+

“J'ai présenté le nouveau processus à notre comité social et économique avant le déploiement, et nous l'avons ajusté ensemble.”

Transcription de l'entretien · 11:38
Maîtrise des outilsOuvert+

Preuves insuffisantes dans cet échange. Signalé comme question ouverte pour le prochain tour, sans supposition.

Marqué pour un suivi humain
Médiane de 3 passes indépendantes Total calculé dans le code Citations vérifiées mot pour mot
Valeur 02

Chaque résultat
est traçable.

Un chiffre sans raison est un verdict. Dans Sprad, chaque note se déplie en preuves : la phrase, la source, le moment où elle a été dite. Pas de preuve, pas de note.

Comment c'est intégré

Une citation ne compte que si on la retrouve littéralement dans ce que la personne a réellement dit — tout ce que le modèle ne peut pas étayer est écarté avant de pouvoir faire monter une note. Chaque critère est évalué trois fois de façon indépendante et la médiane est retenue ; le total est additionné dans le code, jamais par le modèle. Une note peut ainsi être revue par votre équipe, défendue devant un DPO ou un comité social et économique, et contestée par la personne concernée.

Valeur 03

L'IA conseille. Les humains décident.

L'IA lit, structure et rédige. Les personnes prennent chaque décision qui touche au gagne-pain de quelqu'un — quel que soit le volume, avec leur nom dessus. Cette limite relève de l'architecture, pas d'une simple politique.

L'IA prépare
Lit chaque candidature
Mène des entretiens structurés
Classe selon vos critères
Fonctionne à tout volume. Recommande, ne tranche jamais.
Validation humaine rien n'est envoyé tout‑seul
Les personnes décident
Inviter à un entretienconfirmé par Anna
Offresignée par Jonas
Refus, avec feedbackrelu par Anna
Chaque décision porte un nom humain. Un relecteur peut d'abord ouvrir toutes les preuves.
Comment c'est intégré

Un refus est le seul effet irréversible : il n'existe donc que deux façons de le déclencher, et toutes deux portent le nom de la personne qui a décidé. Un test de garde dans notre code source analyse chaque fichier et fait échouer le build dès qu'un troisième chemin apparaît — personne ne peut ajouter discrètement un refus automatique par la suite.

Valeur 04

Les personnes sont propriétaires de
leurs données.

Un profil appartient à la personne qu'il décrit. Elle voit ce qu'il contient, le partage élément par élément et peut retirer son accord — sans rien demander à personne.

Comment c'est intégré

Chaque partage est limité à une entreprise et versionné : une personne peut toujours voir qui détient quoi. Le retirer révoque d'un coup le partage dans toute l'entreprise et est consigné au registre. Rien sur une personne n'est acheté, aspiré ou fusionné dans son dos, et ses données ne servent jamais à entraîner des modèles d'IA — c'est écrit dans le contrat, pas seulement sur cette page.

Profil de Lena
Partagé avec Mainzer Stadtwerke · version 2
CV et parcours professionnel
Rapport d'entretien
Compétences et certificats
Prétentions salariales
Visible dans le vivier de talents
Chaque élément est validé par Lena et peut être retiré à tout moment. Le retrait supprime l'accès dans toute l'entreprise et est consigné.
Standards

Le socle
sur lequel nous nous tenons.

Les valeurs ne comptent que si elles ont un coût. Voici le béton qui soutient les nôtres.

La protection des données d'abord Minimisation des données, limitation des finalités et droits de suppression intégrés à chaque processus, pas ajoutés après coup.
Sécurité maximale Chiffré en transit et au repos, sur une infrastructure certifiée de manière indépendante. Nous disons précisément ce que couvre le certificat : l'infrastructure.
Conformité à l'AI Act européen Mentions de transparence, supervision humaine et documentation conçues selon les exigences du règlement pour l'IA dans l'emploi.
Hébergé en Europe Vos données restent dans l'UE, selon des conditions RGPD que votre DPO et votre comité social et économique peuvent réellement examiner — pas un PDF marketing.
Stadt Stuttgart Mainzer Stadtwerke LVM Versicherung Königsteiner
En production auprès d'organisations réglementées et du secteur public
Lignes rouges

Ce que nous ne construirons jamais.

Aucune analyse par caméra, du visage ou des émotions.
Aucune surveillance par proctoring.
Aucun enrichissement caché, aucune revente de données.
Aucun refus entièrement automatisé.
Aucun entraînement de modèle sur les données des personnes.
Aucune note sans preuve à l'appui.

L'honnêteté plutôt que les labels. Nous préférons vous dire exactement ce que couvre un certificat et ce qu'un modèle ne sait pas faire plutôt que de décorer un pied de page. Si une affirmation de cette page cessait un jour d'être vraie, c'est la fonctionnalité qui disparaît — pas la valeur.

Auditez-nous en direct.

Le moyen le plus rapide de vérifier ces quatre valeurs : regarder l'IA travailler. Scores traçables, écrans de validation et étapes d'approbation humaine, le tout dans le produit.