Présélection de CV par IA : atouts, limites, coût et cadre légal

30 juin 2026
Par Jürgen Ulbrich

La présélection de CV par IA vérifie de façon fiable si une candidature est complète, la compare à des exigences minimales explicites, met les informations dans une structure commune et propose un ordre de lecture. Elle ne peut pas dire de façon fiable si quelqu'un est qualifié, motivé, susceptible d'évoluer dans le poste ou sincère, et dans l'UE un refus ne doit pas reposer uniquement sur un traitement automatisé (RGPD, art. 22). Voyez-la comme une préparation à une décision humaine, pas comme la décision.

En bref
Fiable : Préparation : contrôles de complétude, exigences minimales explicites, structuration, ordre de lecture
Pas fiable : Jugement : adéquation, motivation, potentiel, sincérité
Limite légale : Relecture humaine : RGPD art. 22 : pas de refus uniquement automatisé ; obligations de l'AI Act pour les systèmes à haut risque à partir du 2 décembre 2027
Coût avec Sprad : À partir de 0,49 € : à partir de 0,49 € par candidature (forfait) ou 2 crédits pour l'évaluation du CV
Au 31 octobre 2026

La présélection automatisée de CV est un logiciel qui évalue les documents transmis par rapport à des exigences définies à l'avance pour un poste. Son utilité n'est pas de rendre un verdict sur une personne. Elle rend traçable la première partie, reproductible, du recrutement : ce qui manque, ce qui est clairement démontré et quelle candidature un recruteur doit lire ensuite.

Comment fonctionne la présélection de CV par IA ?

En pratique, elle se déroule en quatre étapes. Le système analyse chaque document pour en extraire des champs (postes, dates, formation, langues, lieu). Il compare ces champs aux critères que vous avez définis. Il note ou classe les candidatures, puis une personne relit le résultat. Les outils modernes utilisent des modèles de langage plutôt que des listes de mots-clés ; ils savent donc lire « a dirigé une équipe de huit personnes » comme une expérience de management, mais ils travaillent toujours sur ce que dit le document, pas sur ce qui est vrai.

Que peut faire la présélection de CV par IA de façon fiable ?

L'IA rassemble en une seule vue les informations issues des CV, formulaires, lettres de motivation et pièces justificatives. Cela fait gagner du temps de recherche. Elle ne prouve ni la qualité d'une personne ni l'exactitude de chaque élément extrait.

Le contrôle de complétude signale une réponse ou un document obligatoire manquant. Si un poste exige un justificatif d'autorisation de travail et que la candidature n'en contient aucun, le résultat fiable est « information manquante », pas « candidat non qualifié ».

Le rapprochement avec les exigences impératives compare les informations disponibles à des critères indispensables documentés, par exemple un permis obligatoire pour une activité réglementée ou des disponibilités de service déclarées. Les exigences doivent être pertinentes pour le travail réel, définies avant le début de la présélection et ouvertes à la révision.

La structuration et la priorisation placent côte à côte des informations comparables et font remonter dans la file les candidatures complètes qui remplissent clairement les exigences minimales. C'est un ordre de travail, pas une décision d'embauche. Les recruteurs doivent voir quelle règle et quelles données l'ont produit.

Cette distinction compte surtout en cas de gros volume. Notre guide sur l'afflux de candidatures et la présélection de CV explique l'objectif pratique : la préparation va plus vite, tandis que les décisions concernant les personnes restent explicables.

Que ne peut pas faire la présélection de CV par IA ?

QuestionL'IA peutL'IA ne peut pas
Le dossier est-il complet ?Signaler les réponses et documents manquantsJuger si un élément manquant compte dans son contexte
Le candidat remplit-il les critères indispensables ?Comparer les faits déclarés aux critères approuvésVérifier que les faits déclarés sont vrais
La personne est-elle qualifiée ?Présenter des éléments pour et contre, critère par critèrePrédire la réussite dans le poste
La personne est-elle motivée ?Rien de fiableLa déduire du style, des interruptions ou de la longueur de la lettre
Va-t-elle évoluer ?Lister le périmètre de responsabilités passéMesurer la capacité d'apprentissage ou l'adéquation avec l'équipe
Qui faut-il refuser ?Préparer une recommandation pour relectureRefuser seule, de façon licite, dans l'UE

Un CV est déclaratif. Un intitulé de poste connu ne dit pas quelles responsabilités la personne a exercées ni quels résultats elle a obtenus. La motivation ne se lit ni dans le style d'écriture ni dans les interruptions de carrière. La sincérité reste elle aussi ouverte : l'IA peut signaler des contradictions, mais elle ne peut pas vérifier une affirmation en la lisant. Les références et les vérifications d'antécédents licites relèvent d'un processus humain.

Quelle est la précision de la présélection de CV par IA, et présente-t-elle des biais ?

Il n'existe pas de chiffre de précision unique sur lequel s'appuyer. Les chiffres publiés viennent surtout d'éditeurs qui se testent eux-mêmes, sur leurs propres données, avec leur propre définition d'un « bon » candidat. Une étude arXiv de 2025 sur les modèles de langage dans les décisions de recrutement a mesuré des écarts de genre et d'origine dans les scores des modèles : le biais est donc une propriété mesurable d'une configuration donnée, pas une fatalité dans un sens ou dans l'autre. L'échec le plus connu est l'outil de recrutement expérimental d'Amazon qui, selon Reuters en octobre 2018, avait appris à pénaliser les CV mentionnant des femmes, parce qu'il avait été entraîné sur des données de recrutement historiques.

Ce que vous pouvez faire, c'est tester votre processus. Notre pilote recommandé : prenez 100 candidatures passées pour un même poste, faites-les annoter indépendamment par deux recruteurs, passez le même lot dans l'outil et comparez. Regardez les cas où l'outil et les humains divergent, pas la moyenne. Répétez le contrôle par langue et par format de document, car c'est là que les erreurs se concentrent.

Les erreurs de parsing sont un risque important

Le parsing est l'extraction technique d'un document en champs de données (voir comment fonctionne le parsing de CV et où il échoue). Si un poste est mal lu ou omis, une règle raisonnable s'applique à de mauvaises données. La cause n'est souvent pas un mauvais CV : tableaux, PDF sur plusieurs colonnes, scans, intitulés de poste abrégés, dates sans mois, langues mélangées et chronologies inhabituelles compliquent l'extraction.

Un exemple avec des chiffres supposés : si 2 % de 1 000 candidatures sont mal analysées et que l'outil refuse automatiquement sur un champ manquant, 20 personnes sont refusées à cause d'un format de fichier. Dans un échantillon, on le voit ; dans un score moyen, non. La règle de fonctionnement : plus un résultat pèse sur l'accès au processus, plus le texte source doit être facile à contrôler. Les documents peu clairs ou inhabituels relèvent d'une file de relecture humaine, pas du bas de la liste.

Comment les critères impératifs doivent-ils fonctionner ?

Les critères éliminatoires sont des conditions minimales objectivement vérifiables, sans lesquelles une personne ne peut pas faire le travail précis, ou sans lesquelles la candidature reste incomplète. Ce ne sont pas des préférences. Une première étape solide distingue trois résultats :

  • Rempli : l'information ou la preuve requise est clairement présente.
  • Non démontré : l'information manque, est peu claire à cause du parsing ou du format, ou appelle une question de suivi.
  • Non rempli : une exigence réellement essentielle est clairement absente.

« Non détecté » ne doit jamais signifier « absent ». De bons critères sont liés au poste, peu nombreux et approuvés avant usage.

Five-step AI resume screening flow: structure, hard criteria, context, human decision, sampling
Un parcours de présélection défendable. Modèle de processus Sprad fondé sur le RGPD art. 22 et l'AI Act européen art. 14, à octobre 2026.

Un contexte supplémentaire transforme un tri en décision équitable

Après le premier tri, le recrutement a besoin d'un contexte qu'un CV fournit rarement : date de début au plus tôt, autorisation de travail, qualification requise, disponibilité sur un site. L'objectif n'est pas de poser plus de questions, mais de poser les mêmes questions justifiées à des candidats comparables. Un formulaire structuré, un chat, un court entretien vocal ou un échantillon de travail peuvent le recueillir. Pour les candidats de première ligne et hors bureau, le canal doit correspondre à leur façon réaliste de répondre, par exemple WhatsApp ou un appel téléphonique plutôt qu'une connexion à un portail. Plus de contexte n'autorise pas à collecter plus de données : chaque question doit avoir une finalité claire liée au poste.

La présélection de Sprad fonctionne ainsi. Les candidats échangent par chat avec Atlas au lieu de remplir un formulaire, chaque réponse devient une preuve, l'identité est retirée avant la notation et chaque note renvoie à la citation qui la fonde. Les critères qui comptent sont définis par vous, le rapport arrive dans votre ATS et rien n'est refusé automatiquement. Les entretiens vocaux et par chat se déroulent en plusieurs langues. La limite est voulue : Sprad recueille et organise des preuves, et le jugement de recrutement reste à votre équipe. Pour une relation plus longue, un portail candidats avec profil actualisable est plus utile qu'un CV qui dort inchangé dans une archive.

La présélection de CV par IA est-elle légale ?

Oui, si le processus est conçu de sorte qu'un humain décide et que les règles soient transparentes. Quatre sources comptent le plus (toutes consultées le 31 octobre 2026) :

  • Le RGPD art. 22 protège en principe les personnes contre les décisions fondées exclusivement sur un traitement automatisé et qui les affectent de manière significative. La Cour de justice a jugé dans l'affaire SCHUFA (C-634/21, 7 décembre 2023) qu'un score produit automatiquement peut constituer en soi une décision si un tiers s'y appuie fortement. Un recruteur qui se contente d'entériner un classement n'y remédie pas. Le RGPD sur EUR-Lex.
  • AI Act européen : un logiciel qui filtre ou classe des candidatures est un système à haut risque au titre de l'annexe III. Les obligations applicables aux systèmes à haut risque, dont la surveillance humaine (art. 14) et les obligations des déployeurs (art. 26), s'appliquent à partir du 2 décembre 2027 après le Digital Omnibus, règlement (UE) 2026/1744. Les obligations de transparence pour les IA qui interagissent avec des personnes (art. 50) s'appliquent à partir du 2 août 2026, et la reconnaissance des émotions au travail est interdite depuis le 2 février 2025 (art. 5) : un entretien de présélection ne doit donc pas déduire d'émotions. L'AI Act sur EUR-Lex ; voir aussi notre guide de l'AI Act pour le recrutement.
  • Allemagne : lorsqu'il existe un comité d'entreprise, les directives de sélection nécessitent sa codétermination, et cela s'applique expressément lorsque l'IA est utilisée (§ 95 al. 2a BetrVG).
  • États-Unis : la ville de New York exige un audit annuel des biais et une information des candidats pour les outils automatisés de décision en matière d'emploi (NYC Department of Consumer and Worker Protection) ; d'autres États suivent.

L'intervention humaine doit être réelle : le relecteur peut examiner le fondement, écarter la suggestion et corriger une erreur. Cet article n'est pas un conseil juridique.

L'échantillonnage est un contrôle qualité indispensable

Le contrôle qualité par échantillonnage consiste à comparer régulièrement, à la main, les résultats automatisés aux documents d'origine et aux règles approuvées. Examinez au moins trois groupes : les candidatures priorisées positivement, celles marquées incomplètes et les cas où un critère impératif semble non rempli. Si vous trouvez une erreur, le processus doit réagir : ajuster une règle, afficher l'incertitude de l'analyse, activer une question de suivi ou orienter ce type de cas vers une relecture humaine. La qualité exige un responsable, une date de contrôle documentée et une réponse définie aux écarts.

Combien coûte la présélection de CV par IA ?

Avec Sprad, il y a deux façons de payer, toutes deux indiquées sur la page des tarifs (au 29 octobre 2026, prix hors taxes) :

  • Par candidature, sans crédits : 0,49 € par candidature couvre la présélection de CV, les entretiens par chat et le portail candidats ; les entretiens vocaux pour une candidature sur cinq ajoutent 0,20 € et les entretiens vidéo pour une sur dix ajoutent 0,60 €. L'exemple du site avec voix est de 0,69 € par candidature, soit 1 725 € par an pour 2 500 candidatures.
  • Crédits : l'évaluation du CV coûte 2 crédits par candidature, un entretien vocal 30. Au tarif public de 0,10 € le crédit, cela fait 0,20 € par évaluation ; l'offre gratuite inclut 100 crédits par mois, soit environ 50 évaluations.

Un exemple chiffré, 1 000 candidatures par an : l'évaluation seule en crédits revient à environ 200 € au tarif public (2 000 crédits) ; l'offre par candidature avec voix pour une sur cinq coûte 690 €. Ce qui est moins cher dépend du nombre de candidatures que vous interrogez : faites vos propres calculs. Ces montants décrivent un travail de préparation, pas une sélection sans erreur ni une garantie d'embauche. La comparaison juste n'est pas « IA contre recruteur », mais quel travail de tri, de relance et de documentation reste humain, et quelle préparation reproductible un logiciel peut prendre en charge.

Le bon rôle de l'IA dans la sélection

Un bon processus de présélection ne rend pas les personnes invisibles. Il annonce les exigences, structure les documents, signale l'incertitude, recueille un contexte approprié et contrôle ses propres résultats, de sorte que le temps humain va à ce qu'un logiciel ne peut pas établir : peser les preuves, poser des questions de suivi et décider. L'IA ne peut pas non plus corriger un problème qu'elle n'a pas causé : quand les candidats utilisent l'IA pour rédiger des CV impeccables pour tout le monde, le document lui-même en dit moins sur qui sait faire le travail. C'est une raison de recueillir des preuves au-delà du CV, pas de classer les CV plus durement. Comparez les outils sur cette base dans notre panorama des outils de recrutement par IA.

FAQ

L'IA peut-elle refuser des candidatures automatiquement ?

Un logiciel peut exécuter des règles, mais dans l'UE un refus ne doit pas reposer uniquement sur un score, un résultat d'analyse ou une absence de détection (RGPD art. 22). Orientez vers une personne les cas clairs de « non rempli » et tout ce qui est incertain.

Quelles exigences fonctionnent comme critères éliminatoires ?

Seulement les conditions minimales liées au poste, réellement essentielles et vérifiables sans ambiguïté. Une information manquante ou illisible est « non démontrée », pas un échec automatique.

Comment les équipes peuvent-elles repérer les erreurs de parsing ?

En comparant les documents d'origine aux données extraites sur des échantillons réguliers, notamment les scans, les PDF sur plusieurs colonnes, les documents en plusieurs langues et les CV atypiques, y compris les cas marqués incomplets.

La présélection par IA remplace-t-elle un entretien ?

Non. L'IA peut organiser les faits et préparer des questions de suivi. La motivation, la collaboration et les points non résolus relèvent d'un échange humain structuré ou d'un échantillon de travail.

La présélection de CV par IA présente-t-elle des biais ?

Cela dépend des données, des critères et de la configuration. Testez-la sur vos propres candidatures passées, vérifiez les résultats par groupe et conservez une étape de relecture humaine.

Combien coûte la présélection de CV assistée par IA ?

Avec Sprad, à partir de 0,49 € par candidature, ou 2 crédits par évaluation de CV (environ 0,20 € au tarif public), au 29 octobre 2026. C'est un coût de préparation, qui ne remplace ni le contrôle qualité ni les décisions d'embauche prises par des personnes.

Jürgen Ulbrich

CEO et cofondateur de Sprad

Jürgen Ulbrich cumule plus de dix ans d’expérience dans la construction et la direction d’équipes et d’entreprises performantes. Expert des programmes de cooptation ainsi que des processus de feedback et de performance, Jürgen a aidé plus de 100 organisations à optimiser leur stratégie d’acquisition et de développement des talents.

Modèles et téléchargements gratuits

Rejoignez la communauté en seulement 26 secondes et profitez d’un accès gratuit à plus de 100 ressources, modèles et guides.

No items found.

La People Powered HR Community s’adresse aux professionnels RH qui placent l’humain au cœur de leur travail RH et recrutement. Ensemble, transformons notre conviction commune en un mouvement qui change le monde des RH.