Choisir des outils de présélection en 2026 revient moins à savoir qui revendique l'IA qu'à savoir qui peut prouver ce que son IA filtre réellement. Ashby et Phenom sont en tête quand le filtrage des bots ou de la fraude compte, HeyMilo et Sprad ajoutent un entretien vocal ou vidéo structuré comme preuve d'une vraie personne, tandis que Workable, SmartRecruiters, iCIMS et Eightfold aident les équipes à classer ou à apparier les contenus de candidatures au sein de processus de recrutement plus larges. Le bon choix dépend de l'endroit où votre tunnel de recrutement se brise.
Si vous savez déjà que la présélection par IA est incontournable, le plus difficile est de séparer le signal de l'emballage. La présélection est désormais le premier cas d'usage de l'IA dans l'acquisition de talents, à 58 %, et pourtant 58 % des responsables TA disent encore ne pas bien faire la différence entre IA et automatisation. Cette confusion compte davantage en 2026, car l'IA de recrutement qui analyse ou filtre des candidatures relève de la catégorie à haut risque de l'AI Act européen, et la traçabilité des preuves d'un éditeur fait désormais partie de la décision d'achat.
Avant la matrice, voici la tension qu'une présélection défendable doit résoudre : la plupart des classements traitent le classement de CV et le filtrage des bots comme un seul et même travail, alors que ce n'est pas le cas.
- Décidez d'abord si vous avez besoin d'un filtrage des bots avant l'entrée dans l'ATS ou d'un meilleur classement à l'intérieur de l'ATS.
- Considérez le classement de CV comme une présélection de contenu, sauf si l'éditeur peut démontrer des signaux de fraude, d'authenticité ou d'identité.
- Demandez à chaque éditeur de montrer le raisonnement par candidat, des preuves exportables et la possibilité d'intervention humaine avant tout achat.
- Ne retenez pas de grilles de prix publiques en 2026, car les sources disponibles ne permettent pas une comparaison de prix fiable entre ces éditeurs.
Quels outils de présélection IA méritent une présélection de fournisseurs en 2026 ?
Ashby et Phenom méritent une place dans une présélection de fournisseurs défendable en 2026, car ils publient des affirmations explicites sur la fraude des candidats. Le reste de la liste garde son intérêt, mais honnêtement, la plupart de ces outils examinent le contenu des candidatures ou structurent les preuves des recruteurs au lieu de bloquer les candidatures de bots dès l'entrée.
La matrice de présélection classée
Notre méthode de comparaison : nous avons lu la documentation produit publique et les journaux de modifications de chaque éditeur ; nous n'avons pas fait passer de trafic de bots réel dans les outils. L'ordre reflète les signaux de bots et de fraude documentés, dernière vérification en novembre 2026. Sprad figure parmi les éditeurs listés et publie cet article.
| Rang | Outil | Catégorie | Signal de présélection le plus fort | Acheteur idéal | Point d'attention pour l'achat |
|---|---|---|---|---|---|
| 1 | Ashby | ATS natif IA avec contrôles de fraude | Signaux d'appareil, d'IP, d'e-mail et de téléphone, plus examen des candidatures assisté par IA | Équipes qui veulent la présélection et les signaux de fraude dans un seul dossier | Vérifier la consommation de crédits IA pour votre volume |
| 2 | Phenom | Suite TA pour grandes entreprises avec agent anti-fraude | Indicateurs de fraude sur l'identité, la localisation, la voix et les contenus multimédias | Équipes TA de grandes entreprises, entretiens et médias | Valider l'agent anti-fraude sur vos profils de postes réels |
| 3 | HeyMilo | Couche de présélection voix, vidéo et SMS | Présélections vocales et vidéo avec détection de triche | Équipes qui ajoutent une couche de présélection sans changer d'ATS | Tester les seuils de détection de triche sur de vrais candidats |
| 4 | Sprad | Présélection de CV plus entretiens structurés | Entretien par chat, voix ou vidéo propre au poste et résultat expliqué par critère | Équipes qui veulent la preuve d'un vrai échange avant qu'un recruteur n'ouvre le dossier | Aucun détecteur de bots ou de fraude dédié n'est publié ; demandez ce que l'étape d'entretien détecte sur votre trafic |
| 5 | Paradox | Présélection conversationnelle | Qualification par texte selon les exigences du poste | Recrutement de masse pour les métiers de terrain | Pas une couche anti-fraude approfondie ; à considérer comme qualification uniquement |
| 6 | Humanly | Présélection conversationnelle | Qualification par chat, téléphone, voix, vidéo avec actions dans l'ATS | Équipes qui augmentent leur volume de pré-sélection | La détection de bots et de fraude doit être validée séparément |
| 7 | Workable | Présélection de contenu intégrée à l'ATS | Score de compatibilité fondé sur les compétences, la formation, le parcours | Utilisateurs de Workable en PME et ETI | Présélection de contenu, pas d'authenticité |
| 8 | SmartRecruiters | Appariement ATS pour grandes entreprises | Score Winston Match avec explications | Grandes entreprises qui veulent un appariement explicable | Non positionné comme détection de bots |
| 9 | iCIMS | ATS pour grandes entreprises avec Coalesce AI | Agents de sourcing, d'appariement et de présélection sur une seule plateforme | Grandes entreprises standardisées sur iCIMS | Demander le dossier de preuves d'IA responsable |
| 10 | Eightfold | Suite de talents native IA | Appariement des compétences et du potentiel au-delà du CV | Grandes entreprises qui privilégient l'intelligence des compétences | Pas un filtre de bots principal |
| 11 | HireVue | Évaluation en aval | Entretiens notés par IA, simulations, tests techniques | Validation après candidature à grande échelle | Preuves en aval, pas filtrage à l'entrée |
| 12 | Metaview | Preuves d'entretien en aval | Notes structurées et champs factuels de fiche d'évaluation | Revue des preuves après la présélection | N'évalue, ne classe ni ne décide |
Ce que chaque catégorie filtre réellement
Ashby et Phenom arrivent en tête parce qu'ils documentent des signaux de fraude concrets dans le flux de travail du recruteur. HeyMilo ajoute la détection de triche aux présélections vocales et vidéo.
Sprad arrive en quatrième position parce qu'il répond à une question voisine. Il ne publie aucun détecteur de bots ou de fraude ; sa présélection de CV par IA et son entretien propre au poste donnent au recruteur un résultat argumenté et la preuve qu'une personne s'est engagée sur le poste, et votre équipe décide. En dessous, Paradox et Humanly sont des couches conversationnelles utiles, mais il ne faut pas les présenter en interne comme une détection de fraude approfondie. Workable, SmartRecruiters, iCIMS et Eightfold sont le bon choix quand le vrai besoin est l'appariement ou le classement, et HireVue et Metaview renforcent les preuves en aval après la présélection, pas l'entrée des bots elle-même.
Quels outils de présélection détectent les candidatures de bots ?
La détection de bots répond à une autre question que la présélection de CV. Un logiciel de présélection de CV demande si une candidature semble pertinente. Un contrôle d'authenticité demande si le comportement, l'identité ou le mode de dépôt du candidat méritent la confiance du recruteur.
La détection de candidats frauduleux d'Ashby utilise les données d'appareil et d'IP avec des signaux d'e-mail et de téléphone, et c'est ce qui la rend crédible comme couche anti-fraude plutôt que comme simple classement de contenu. Phenom positionne sa détection de fraude autour de l'identité, de la localisation, de l'authenticité de la voix et des schémas de réponse assistés par IA, sur tous les médias.
Workable, SmartRecruiters, iCIMS et Eightfold peuvent tout de même mériter une place dans la présélection de fournisseurs. Ils aident les équipes à juger si le profil d'un candidat correspond au poste, ce qui est une vraie tâche de présélection avec un vrai retour sur investissement. Il ne faut pas les décrire comme des détecteurs de bots tant que l'éditeur ne vous a pas montré, dans le flux de travail réel, des signaux concrets de fraude ou d'authenticité.
Un avertissement sur les affirmations de précision universelle : les sources contiennent de nombreux chiffres d'éditeurs, mais aucun benchmark indépendant comparant la détection de candidatures générées par IA sur l'ensemble des douze outils. Demandez à chaque éditeur une validation sur vos propres postes, vos sources de trafic et vos seuils de rejet, et complétez avec la lecture plus approfondie de notre analyse sur le comportement réel du trafic de candidatures automatiques indésirables.
Comment repérer l'AI-washing dans les logiciels de présélection ?
L'AI-washing apparaît généralement quand un éditeur parle de « présélection par IA » mais ne sait démontrer qu'une recherche par mots-clés, une analyse de CV, des questions éliminatoires fixes ou un chatbot qui fait avancer les candidats selon des règles. Une vraie présélection par IA laisse des preuves qu'un recruteur peut examiner et qu'une équipe conformité peut défendre.
Grille de démo éditeur, à reprendre dans votre appel :
• L'éditeur ne peut pas montrer, dans un dossier réel, la raison du score d'un candidat.
• L'éditeur ne sait pas dire si l'outil évalue l'adéquation au poste, la fraude, l'authenticité ou les preuves d'entretien.
• Un chatbot pose des questions mais n'évalue jamais les réponses libres au-delà de règles fixes.
• Vous ne pouvez pas exporter le score, les critères, le raisonnement, le statut d'information, le statut de refus, l'action du relecteur et la décision finale.
• « Conforme à l'AI Act européen » est affirmé sans correspondance avec la transparence, la supervision humaine, les journaux, la gestion des risques et la robustesse.
Reliez la checklist à la réalité du marché. Quand 58 % des responsables TA ne distinguent pas bien IA et automatisation, les éditeurs ont toute latitude pour rebaptiser d'anciennes automatisations de flux de travail en IA. Votre défense est simple : demandez précisément ce que l'outil observe et quelles preuves il laisse. Si la réponse en démo se réduit à « ça marche tout seul », vous avez devant vous un chatbot doté d'un budget marketing, un autre problème que nous avons traité dans notre article sur la différence entre agent et chatbot en RH.
Comment l'AI Act européen influence-t-il la présélection par IA ?
L'AI Act européen fait de la présélection de candidatures par IA une décision de gouvernance plutôt qu'un simple choix de fonctionnalité. L'IA de recrutement qui analyse ou filtre des candidatures, ou qui évalue des candidats, relève de la catégorie emploi à haut risque de l'annexe III, point 4 a). Les obligations liées au haut risque s'appliquent à partir du 2 décembre 2027 en vertu du règlement (UE) 2026/1744.
Pour une présélection de fournisseurs en 2026, la question pratique n'est plus de savoir si l'éditeur a une page sur l'IA responsable. Demandez la documentation sur la finalité prévue, les instructions d'utilisation, la journalisation, la conception de la supervision humaine et la preuve que le système est suffisamment précis et robuste pour l'usage visé.
La supervision humaine doit être réelle dans le flux de travail, pas une case cochée dans une présentation. Les recruteurs doivent comprendre les limites de l'outil, éviter le biais d'automatisation, interpréter les résultats, les modifier ou les annuler, et intervenir quand le score ne correspond pas aux preuves. Cela compte autant pour l'équité envers les candidats que pour la défendabilité juridique.
L'expérience candidat fait partie de la même discussion. Un outil qui accélère la présélection mais crée des refus opaques peut quand même nuire à votre marque, et c'est pourquoi les meilleurs éditeurs rendent visibles l'information des candidats, la possibilité de relecture et la responsabilité humaine avant que vous ne signiez. Nous développons cette évolution plus large dans notre analyse des logiciels RH agentiques en 2026.
Que doit demander votre appel d'offres de présélection IA aux éditeurs ?
Votre appel d'offres doit obliger les éditeurs à nommer quatre éléments : le signal qu'ils examinent, l'étape du tunnel où ils le font, les preuves qu'ils exportent et les documents de l'AI Act européen qu'ils peuvent fournir. Si un éditeur ne répond pas clairement à ces quatre questions, le produit n'est pas prêt pour une présélection de fournisseurs défendable.
- Que présélectionnez-vous exactement ? Contenu du CV, réponses d'éligibilité, authenticité de la voix, comportement de l'appareil, preuves d'entretien, ou une combinaison que l'éditeur sait expliquer sans se cacher derrière le vocabulaire de l'IA.
- Où la présélection a-t-elle lieu ? Un widget sur la page carrière protège l'ATS des candidatures à faible signal, un outil de revue natif de l'ATS trie après le dépôt, et une évaluation en aval valide les preuves plus tard dans le processus.
- Que peut exporter l'équipe ? Les critères, le score, le raisonnement, l'information du candidat, le statut de refus, les journaux, l'intervention du relecteur et la décision finale doivent tous sortir du système sous forme de dossier.
- Quels documents de l'AI Act européen pouvez-vous fournir ? Documentation sur la finalité prévue, instructions d'utilisation, conception de la supervision humaine, preuves de précision, journalisation, gestion des risques et appui à la conformité.
Sur les mécanismes d'information, l'API Application de SmartRecruiters expose désormais un champ aiSettings pour l'information sur les solutions fondées sur l'IA, et c'est le genre de mécanisme concret que les acheteurs doivent demander à chaque éditeur de démontrer. Un mot sur ce qu'il faut laisser de côté : les prix publics et les affirmations universelles de précision de détection ne doivent pas guider les achats sur ce marché en 2026. Les sources ne permettent pas d'établir une grille de prix de niveau achat, alors faites détailler à chaque éditeur ses postes de coûts sur le plan commercial. Notre modèle d'appel d'offres pour plateformes de talents montre comment structurer la matrice de notation autour de ces quatre questions.
Quelle catégorie de présélection IA correspond à votre étape de recrutement ?
La bonne catégorie dépend de l'endroit où votre équipe de recrutement perd du signal. Les petites et moyennes équipes ont souvent besoin d'abord d'une couche d'entrée en amont, tandis que les grandes équipes ont généralement besoin d'une revue intégrée à l'ATS et d'outils de preuves en aval.
| Taille de l'entreprise | Catégorie la plus adaptée | Pourquoi elle convient | Premier type d'éditeur à tester |
|---|---|---|---|
| 50 à 200 collaborateurs | Widget d'entrée ou module complémentaire léger pour l'ATS | Résout plus vite le problème immédiat que le remplacement de la plateforme, surtout quand le trafic des sites d'emploi submerge une petite équipe | Couche de présélection légère sur votre ATS (Sprad, HeyMilo) |
| 200 à 1 000 collaborateurs | Revue IA intégrée à l'ATS avec signaux de fraude | Garde le classement et les contrôles qualité dans le flux de travail du recruteur | ATS natif IA ou présélection intégrée à l'ATS (Ashby, Workable) |
| Grande entreprise / recrutement de masse | Suite TA plus large avec preuves en aval | La présélection seule ne gérera ni l'échelle, ni la gouvernance, ni l'auditabilité | Suite TA pour grandes entreprises plus couche d'évaluation (Phenom, HireVue) |
Utilisez le volume de candidatures comme déclencheur de cette décision. Le benchmark Employ 2026 montre que les équipes reçoivent environ 50 candidats de plus par poste d'une année sur l'autre, donc la première question est de savoir où ces candidatures supplémentaires créent le plus de gaspillage dans votre tunnel.
Une présélection de fournisseurs IA défendable
La présélection la plus utile n'est pas celle qui affiche le plus de promesses d'IA. C'est celle qui correspond à votre véritable point de rupture. Une entreprise qui se noie avant l'entrée dans l'ATS a besoin d'un autre outil que celle dont les candidatures entrantes sont propres mais qui peine au tri par les recruteurs, et l'AI Act européen offre un moyen pratique de distinguer les vrais systèmes de présélection des vagues promesses d'automatisation.
Deux constats ressortent parmi les douze éditeurs. Un outil qui ne peut pas montrer sa traçabilité des preuves crée un risque même quand l'IA impressionne en démo, et la présélection la plus sûre traite le filtrage des bots, l'appariement des candidats et les preuves d'entretien comme trois questions d'achat distinctes plutôt qu'une seule.
Construisez votre premier passage d'achat autour de trois démos. Testez une couche de présélection fondée sur l'entretien comme Sprad, un outil de revue natif de l'ATS ou anti-fraude, et un outil de preuves en aval si les entretiens ou les évaluations sont le goulot d'étranglement. Donnez à chaque éditeur le même poste d'exemple et demandez-lui de montrer le score, le raisonnement, l'information du candidat, les journaux et l'intervention humaine dans le flux de travail réel.
Questions fréquentes (FAQ)
Un logiciel de présélection de CV par IA suffit-il à arrêter les candidatures de bots ?
Non, un logiciel de présélection de CV par IA ne suffit pas à lui seul à arrêter les candidatures de bots. Les outils de présélection de CV jugent si le contenu d'une candidature correspond au poste, tandis que les outils anti-bots ou anti-fraude recherchent des signaux d'authenticité tels que le comportement de dépôt, les preuves vocales, les données d'appareil ou la cohérence de l'identité. Les équipes qui ont besoin des deux doivent associer un outil de présélection de contenu à une couche d'entrée ou anti-fraude en amont.
Un ATS à IA peut-il remplacer un widget de présélection à l'entrée ?
Oui, un ATS à IA peut remplacer un widget d'entrée lorsque l'équipe est à l'aise pour présélectionner après l'arrivée des candidatures dans l'ATS. Un widget d'entrée convient mieux quand le principal problème est la pollution de l'ATS, car il filtre les candidatures à faible signal ou automatisées avant que les recruteurs n'en héritent. La décision dépend généralement de la position du goulot d'étranglement : en amont ou dans le flux de travail du recruteur.
En quoi la présélection conversationnelle par IA diffère-t-elle de la présélection de CV ?
La présélection conversationnelle par IA pose des questions aux candidats par chat, téléphone, voix ou vidéo, puis utilise les réponses pour les qualifier. La présélection de CV lit le contenu existant de la candidature et estime l'adéquation au poste. La première méthode est plus efficace pour l'engagement et la planification à grand volume, la seconde pour un tri rapide des profils sur les candidatures entrantes.
La présélection vocale aide-t-elle à repérer les candidatures générées par IA ?
La présélection vocale peut aider quand l'éditeur l'utilise comme signal d'authenticité et de comportement, et pas seulement comme entretien enregistré. Sprad utilise un entretien structuré comme preuve d'un vrai échange plutôt que comme signal de fraude dédié, tandis que HeyMilo combine voix et vidéo avec la détection de triche. Les acheteurs doivent tout de même demander comment l'éditeur valide le signal et comment des humains examinent les cas limites.
Quelles preuves les recruteurs doivent-ils conserver des décisions de présélection par IA ?
Les recruteurs doivent conserver les critères, le score, le raisonnement, l'information du candidat, le statut de refus, les journaux, l'intervention du relecteur et le dossier de la décision finale. Ces preuves aident l'équipe à expliquer pourquoi un candidat a avancé ou a été écarté et donnent aux équipes juridiques et conformité quelque chose de concret à examiner. Elles facilitent aussi beaucoup les échanges sur l'AI Act européen lorsque des auditeurs ou des comités sociaux demandent des preuves.
Quels outils de présélection IA conviennent au recrutement de masse pour les métiers de terrain ?
Paradox et Humanly conviennent au recrutement de masse pour les métiers de terrain quand le principal besoin est une qualification conversationnelle rapide et la planification. HeyMilo convient aux équipes qui veulent des présélections vocales ou vidéo sans remplacer l'ATS. Si l'afflux de bots est le premier point de douleur du tunnel, un outil aux signaux de fraude documentés comme Ashby ou Phenom est un point de départ plus net avant d'ajouter des outils conversationnels par-dessus.









