L'IA ne peut pas rejeter seule un candidat lorsque le rejet repose exclusivement sur un traitement automatisé et produit un effet juridique ou un effet similaire significatif sur cette personne : c'est le critère de l'article 22 du RGPD. En pratique, soit un humain doit prendre une vraie décision, soit une exception légale étroite et ses garanties doivent s'appliquer.
L'assistance par IA n'est pas interdite dans le recrutement. Elle peut extraire des faits, résumer des candidatures, signaler des informations manquantes ou aider un recruteur à comparer des éléments de preuve. La question décisive est de savoir si le résultat de l'outil met fin aux chances du candidat dans le processus.
Le critère juridique porte sur le résultat, pas sur l'étiquette IA
Une décision exclusivement automatisée est une décision individuelle prise sans intervention humaine significative. Selon l'article 22 du RGPD, toute personne a le droit de ne pas faire l'objet d'une décision fondée exclusivement sur un traitement automatisé, y compris le profilage, lorsqu'elle produit des effets juridiques ou l'affecte de manière significative de façon similaire. Le considérant 71 cite expressément le recrutement en ligne sans intervention humaine comme exemple.
Rejeter un candidat uniquement parce qu'un modèle lui a attribué un score faible remplira souvent ce critère : le résultat concerne une seule personne et l'exclut d'une opportunité d'emploi. Le profilage désigne un traitement automatisé qui évalue des aspects personnels, comme le rendement au travail, la fiabilité, le comportement, les centres d'intérêt ou le lieu. Le profilage n'est pas automatiquement interdit ; le risque apparaît lorsqu'on en fait la décision finale.
L'article 22 contient des exceptions limitées, notamment la nécessité pour la conclusion ou l'exécution d'un contrat, l'autorisation par le droit de l'UE ou d'un État membre assortie de garanties appropriées, et le consentement explicite. Une équipe de recrutement ne doit pas supposer qu'une case à cocher règle la question. L'exception, la base juridique, les garanties et le reste du cadre de protection des données doivent correspondre au processus réel.
Quand la présélection par IA devient-elle une décision au sens de l'article 22 ?
Commencez par cartographier ce qui se passe après le résultat du modèle. L'analyse de CV, une recommandation ou une file de travail classée ne constituent normalement pas une décision exclusivement automatisée si un recruteur examine les pièces sous-jacentes et peut, de façon indépendante, inviter, rejeter ou réorienter le candidat. Cette distinction compte particulièrement pour un flux de candidatures à forte volumétrie et de présélection de CV.
La situation change lorsqu'un score clôt automatiquement la candidature, que les candidats sous un seuil ne sont jamais montrés à un décideur ou qu'un recruteur est censé simplement approuver la conclusion du système. Appeler cette étape une préqualification ne change pas son effet juridique si c'est la dernière occasion réelle pour la personne.
Utilisez ce test opérationnel : un évaluateur habilité pourrait-il réellement faire avancer un candidat rejeté après avoir vu la candidature et le contexte pertinent ? Sinon, le système prend probablement la décision lourde de conséquences. Ce test ne remplace pas un conseil juridique, mais il met vite à nu les dispositifs de supervision humaine purement cosmétiques.
Une vraie revue humaine, c'est plus qu'un bouton de confirmation
Le RGPD exige une intervention humaine mais ne prescrit pas d'écran ni de circuit d'approbation particulier. Un processus défendable donne à l'évaluateur l'information, le temps, la compétence et l'autorité pour prendre une autre décision. Échantillonner périodiquement les décisions du modèle n'équivaut pas à examiner le candidat individuel qui a été écarté.
- Preuves pertinentes : les évaluateurs voient la candidature, les réponses et le contexte important, pas seulement un score rouge ou vert.
- Capacité d'interprétation : ils comprennent les critères propres au poste, la recommandation et les limites connues du système.
- Pouvoir de dérogation : ils peuvent inverser le résultat sans demander l'accord de l'outil.
- Attention individuelle : les erreurs, les exceptions, les besoins d'accessibilité et les données contestées font l'objet d'une vraie réévaluation.
- Trace de la décision : le motif final et tout écart par rapport à la recommandation sont consignés.
Cette conception réduit aussi le biais d'automatisation, la tendance à trop faire confiance à une suggestion automatisée. Lorsque les obligations relatives aux systèmes d'IA à haut risque s'appliquent, l'article 26 de l'AI Act de l'UE impose aux déployeurs de confier la supervision humaine à des personnes disposant de la compétence, de la formation, de l'autorité et du soutien nécessaires.
Que doit-on dire aux candidats et que doivent-ils pouvoir contester ?
La transparence n'est pas satisfaite par une politique de confidentialité vague indiquant que l'IA peut être utilisée. Les articles 13(2)(f), 14(2)(g) et 15(1)(h) du RGPD exigent des informations utiles sur la logique sous-jacente, ainsi que sur l'importance et les conséquences prévues d'une décision automatisée. Le considérant 71 mentionne aussi une explication de la décision prise à l'issue d'une telle évaluation.
Avant qu'une personne ne postule, expliquez en langage clair si le système assiste un évaluateur ou peut prendre une décision automatisée ; quelles données et règles liées au poste comptent ; ce qu'un résultat change dans le processus ; et où la personne peut demander une revue humaine, exprimer son point de vue ou contester un résultat. Pour les exceptions de l'article 22(2)(a) et (c), l'article 22(3) prévoit expressément ces garanties.
Une explication utile permet à une personne de comprendre les facteurs qui ont compté et comment demander un réexamen. Elle n'implique pas nécessairement de publier le code source ou des secrets d'affaires. L'équilibre exact dépend des circonstances, ce qui est une raison de concevoir le circuit d'explication avant l'envoi du premier refus.
L'AI Act de l'UE, le RGPD et l'AGG allemand répondent à des questions différentes
L'AI Act de l'UE ajoute une couche de conformité distincte. Les systèmes d'IA destinés au recrutement ou à la sélection de personnes physiques figurent à l'annexe III. Qu'un système donné soit à haut risque dépend de sa finalité prévue et des exceptions de l'article 6 ; un système de l'annexe III qui effectue du profilage de personnes physiques ne peut pas invoquer l'exception prévue pour les systèmes qui n'influencent pas sensiblement une décision. La classification à haut risque et une décision au sens de l'article 22 sont donc deux évaluations liées mais distinctes.
Les preuves d'achat font ainsi partie de la gouvernance du recrutement. Demandez la finalité prévue, les instructions, les exigences en matière de données, les mesures de supervision humaine, la journalisation, les informations sur les tests et le contrôle des modifications lorsque vous évaluez des outils de recrutement par IA. L'AI Act ne remplace pas le RGPD ; il rend plus explicites les contrôles opérationnels autour des usages à plus haut risque.
Pour le recrutement en Allemagne, la loi générale sur l'égalité de traitement (AGG) ajoute un risque de discrimination. Elle protège notamment l'origine ethnique, le sexe, la religion ou les convictions, le handicap, l'âge et l'identité sexuelle. Un modèle n'a pas besoin d'un champ protégé explicite pour créer un risque : des données d'apparence neutre peuvent servir de substituts. Conservez une trace des critères, des versions, des modifications et des résultats par étape du processus, mais ne collectez pas de données sensibles pour une revue d'équité sans avoir d'abord établi une base juridique appropriée.
Les employeurs allemands devraient aussi évaluer tôt l'implication du comité d'entreprise. Les critères d'évaluation généraux et les directives de sélection peuvent déclencher des règles de participation ; l'article 95, paragraphe 2a, de la loi sur la constitution de l'entreprise maintient expressément les règles relatives aux directives de sélection lorsque l'IA est utilisée.
Préférez des critères éliminatoires transparents à des scores opaques
Un critère éliminatoire est une condition minimale prédéfinie, liée au poste et objectivement vérifiable. Il est généralement plus facile à justifier, à expliquer, à tester et à corriger qu'un score unique de type boîte noire. Il peut s'agir, par exemple, d'un diplôme professionnel réellement obligatoire pour le poste précis ou d'une autorisation légalement requise pour l'exercer.
Des filtres vagues comme l'« adéquation culturelle », une photo, le nom d'une école, une interruption de carrière ou un jugement de personnalité déduit d'un texte libre se prêtent mal à une exclusion automatique. Ils sont difficiles à expliquer et peuvent masquer un biais. Un processus de présélection de CV fondé sur le contexte doit utiliser des questions claires liées au poste et un circuit de correction plutôt que de réduire une personne à un score agrégé.
La limite essentielle est que des règles transparentes ne sont pas une exemption à l'article 22. Si une règle déclenche à elle seule un rejet final sans véritable revue humaine, l'organisation doit tout de même évaluer la décision automatisée au regard du RGPD. La transparence améliore la responsabilité ; elle ne remplace ni une base juridique ni les garanties du candidat.
Constituez une piste de preuves avant d'automatiser
Créez une courte fiche de décision pour chaque poste. Elle doit couvrir l'outil et sa version, la finalité prévue, les données d'entrée autorisées, les critères propres au poste et leur justification, les seuils ou critères éliminatoires, les cas d'échec connus, les résultats de tests, le circuit de revue humaine et la voie de contestation. Pour un résultat final, conservez ce que l'évaluateur a examiné, qui a décidé, quand, et le motif de fond.
Le même principe s'applique aux entretiens assistés par IA. Une conversation peut recueillir un contexte utile, mais elle ne doit pas devenir un moteur de rejet dissimulé. Le guide sur les entretiens par IA et le recrutement vocal explore cette étape du processus, tandis que l'exemple de workflow d'entretien vocal montre comment concevoir un entretien comme une étape distincte plutôt que comme un verdict automatique.
Liste de contrôle avant lancement
- Cartographier le flux : identifiez chaque recommandation, blocage, rejet et message automatisé.
- Appliquer le test de l'article 22 : un résultat individuel significatif est-il, dans la pratique, exclusivement automatisé ?
- Désigner des évaluateurs nommés : donnez-leur la formation, les preuves, le temps et le pouvoir de déroger.
- Rédiger les informations destinées aux candidats : expliquez la logique, les conséquences, les droits et le point de contact.
- Remettre en cause les critères : supprimez les substituts fragiles et testez les règles liées au poste pour détecter erreurs et effets disproportionnés.
- Évaluer l'exposition à l'AI Act et à l'AGG : obtenez les preuves du fournisseur, définissez la documentation et vérifiez les obligations locales envers les représentants des salariés.
- Répéter le recours : traitez une demande de correction avant que de vrais candidats ne reçoivent des décisions.
Une limite à rappeler
Il s'agit d'une orientation pratique, pas d'un conseil juridique. Qu'une configuration donnée relève de l'article 22, bénéficie d'une exception ou satisfasse aux obligations de l'AI Act et du droit du travail local dépend de l'outil, des données, du poste, de la juridiction et de la façon dont les personnes travaillent réellement avec le résultat. Les employeurs uniquement américains ne doivent pas lire la discussion sur l'AGG allemand comme un guide du droit du travail américain ; les organisations qui recrutent en Europe devraient obtenir un avis avant de déployer ou de modifier sensiblement un workflow de décision.
Quelles étapes d'un système typique peuvent rejeter seules, et lesquelles se contentent de trier ? Voir la présélection par ATS : comment les systèmes de suivi des candidatures filtrent les candidatures.
FAQ
L'IA peut-elle rejeter automatiquement un candidat qui ne remplit pas une exigence obligatoire ?
Pas simplement parce que l'exigence est clairement écrite. Un rejet final déclenché exclusivement par le système peut quand même relever de l'article 22. Rendez la règle propre au poste, permettez aux candidats de corriger les erreurs factuelles et veillez à ce qu'une personne qualifiée puisse mener une véritable revue finale lorsque c'est nécessaire.
L'approbation de la recommandation de l'IA par un humain rend-elle le processus conforme ?
Seulement si la revue a du fond. L'évaluateur a besoin d'accéder aux preuves pertinentes, de l'autorité pour s'écarter de la recommandation et d'une réelle possibilité d'exercer son jugement. Un clic d'approbation de routine ou un audit périodique est une preuve faible d'une décision humaine individuelle.
Faut-il divulguer tout le modèle aux candidats ?
Pas nécessairement. Le RGPD exige des informations utiles sur la logique sous-jacente ainsi que sur l'importance et les conséquences prévues, et non une obligation générale de publier le code source. Les candidats doivent pouvoir comprendre les facteurs pertinents et savoir comment obtenir un réexamen humain.
Un score de classement échappe-t-il à l'article 22 si aucun e-mail de refus n'est envoyé automatiquement ?
Il peut quand même entrer dans le champ si, en pratique, le classement détermine qui ne sera jamais examiné ou ne peut pas progresser. Un score utilisé comme un élément d'une véritable évaluation humaine est différent. L'effet réel du workflow compte davantage que le fait que l'e-mail soit envoyé par une personne.
Le consentement résout-il le problème ?
Non. Le consentement explicite n'est qu'une des exceptions limitées de l'article 22 et des garanties appropriées restent nécessaires. Qu'un consentement soit éclairé, libre et valable dans un processus de recrutement donné doit être évalué avec soin plutôt que déduit d'une case à cocher.
À lire ensuite : Logiciel de présélection de CV en 2026 : comment choisir






