Scovai Scovai
Hiring 2026-11-03 1 min read

Le signal que vous évaluez réellement dans un CV, c'est l'effort de personnalisation, pas son auteur

DSL

Dr. Sarah Liu

Le signal que vous évaluez réellement dans un CV, c'est l'effort de personnalisation, pas son auteur

Deux CV, le même outil, le même auteur, presque deux fois plus de réponses. Dans un test de terrain de deux mois portant sur 204 candidatures réelles envoyées à des offres actives, un CV généré par IA et envoyé tel quel a obtenu des réponses sur 10 % des candidatures. Le même texte produit par l'IA, personnalisé pour chaque offre, a atteint 18 % (Kickresume, 2026). Rien n'a changé chez le candidat entre ces deux groupes. Ce qui a changé, c'est la quantité de travail investie dans la candidature.

Ce résultat devrait réorganiser la façon dont vous regardez votre propre entonnoir. La plupart des équipes de recrutement en 2026 se préparent au mauvais problème. La crainte est que les candidatures rédigées par IA soient trop léchées pour être filtrées — que le CV écrit par la machine passe parce qu'il se lit mieux que celui écrit par un humain. Les données disent l'inverse. Le brouillon IA brut a été le moins performant de tout le test. Ce que votre tri de CV récompense, ce n'est ni la paternité du texte ni la compétence. C'est l'effort de personnalisation — et l'effort de personnalisation est précisément l'intrant que l'IA générative a rendu quasi gratuit.

Ce que 204 candidatures réelles ont vraiment mesuré

Le protocole compte, le voici donc clairement. Entre avril et juin 2026 environ, 204 candidatures réelles ont été envoyées à des offres actives sur le marché de New York, concentrées sur des postes de service client et de représentant commercial — des catégories choisies délibérément pour leur fort volume. Quatre versions de CV ont été alternées, 51 candidatures chacune : un CV humain en colonne unique, un CV humain sur deux colonnes, un brouillon IA brut et un CV IA personnalisé pour chaque offre (Kickresume, 2026).

Sur l'ensemble du test, 36 réponses ont été positives — environ 18 %, à peu près une sur six — dont 22 demandes d'entretien directes, le reste étant des entretiens téléphoniques, des entretiens vidéo, des courriels positifs et des invitations à des tests. La plupart des réponses sont arrivées en moins de trois jours.

L'écart entre les groupes est le vrai résultat :

  • Rédigé par un humain, colonne unique épurée : 31 %
  • CV IA personnalisé pour chaque offre : 18 %
  • Rédigé par un humain, deux colonnes : 12 %
  • Brouillon IA brut, envoyé tel que généré : 10 %

Deux éléments logés dans ces chiffres sont faciles à manquer. D'abord, le CV humain sur deux colonnes a moins bien performé que le CV IA personnalisé — l'analyse de la mise en page coûte encore de vrais entretiens à de vrais candidats, ce qui met en cause la couche d'extraction plus que les candidats. Ensuite, 30 des 36 réponses positives provenaient de postes réellement bien appariés, et le service client et le support en représentaient à eux seuls 18 sur 36. La qualité de l'appariement a dominé tout le reste dans les données.

Une réserve honnête, que les auteurs signalent eux-mêmes : les versions ont été envoyées par phases successives et non en parallèle sur des offres identiques, de sorte que les CV humains ont rencontré les postes les mieux appariés en premier, avant que le vivier local d'offres pertinentes ne s'épuise — ce qui, selon les auteurs, a pris environ une semaine, dans les catégories d'emploi les plus volumineuses du pays. Ce biais gonfle le chiffre du CV humain en colonne unique d'une ampleur inconnue. Traitez les 31 % comme une indication de direction. La comparaison qui survit au biais est celle qui se joue à l'intérieur de la paire IA, où l'outil et l'auteur étaient constants et où seule la personnalisation variait : de 10 % à 18 %.

Votre tri de CV lit l'effort, et l'effort est devenu bon marché

Voici le mécanisme. Quand un filtrage — humain ou automatique — récompense un CV parce qu'il emploie le vocabulaire de l'offre, reprend les exigences affichées et met en avant le tiers pertinent d'un parcours, il ne mesure pas si le candidat sait faire le travail. Il mesure si le candidat a passé vingt minutes sur vous au lieu d'envoyer un fichier générique.

Pendant l'essentiel de l'histoire du recrutement, c'était une approximation défendable. L'effort corrélait avec la motivation, la motivation avec l'adéquation, et le coût de la personnalisation était assez élevé pour être informatif. Un candidat qui réécrivait son CV pour votre offre révélait quelque chose de réel sur son ordre de préférences.

L'IA générative a cassé le prix de ce signal. Adapter un CV à une fiche de poste tient désormais en une seule instruction, exécutée en quelques secondes, à coût marginal nul, en volume illimité. Le signal n'est pas devenu plus bruyant — il s'est inversé. Un entonnoir qui récompense la personnalisation fait aujourd'hui avancer en priorité les candidats les mieux outillés pour candidater, variable sans corrélation avec ceux qui réussiront dans le poste.

Les données côté employeur montrent déjà la tension. Seul environ un tiers des responsables du recrutement se disent très confiants qu'un CV reflète les compétences réelles d'un candidat, et pourtant près de deux tiers utilisent encore le tri de CV comme première étape de l'entonnoir ; les organisations où le CV est le principal facteur de décision ont 35 % de risque supplémentaire de signaler une mauvaise embauche (Criteria et Lighthouse Research & Advisory, 2026, enquête auprès de 998 responsables). Par ailleurs, 54 % des dirigeants talent seniors affirment que les CV et candidatures générés par IA ont rendu l'évaluation de la compétence réelle plus difficile, tandis que plus de 90 % des entreprises utilisent l'IA sur le sourcing et le filtrage et que moins de 5 % qualifient les résultats de transformationnels (ManpowerGroup et Everest Group, 2026). Et 67 % des responsables RH américains déclarent que l'examen des candidatures générées par IA a ralenti leurs recrutements, 20 % constatant des retards de plus de deux semaines (Robert Half, 2026).

Lisez ces quatre résultats ensemble et le tableau est précis : la porte que tout le monde ouvre en premier est celle à laquelle presque personne ne fait confiance, elle coûte plus cher à exploiter, et ce qu'elle mesure désormais s'achète.

Le résultat des deux colonnes est une alerte distincte

Mettez un instant la question de l'IA de côté et regardez les deux groupes humains. Même candidat, même parcours, mêmes affirmations — mis en page en colonne unique, 31 % ; mis en page sur deux colonnes, 12 %. Cet écart n'a rien à voir avec la compétence, la motivation ou l'adéquation. C'est un artefact de mise en page.

Les mises en page sur deux colonnes sont précisément là où les analyseurs de CV échouent couramment : les colonnes de texte s'entrelacent en bouillie, les encadrés de compétences disparaissent, les dates se détachent des postes auxquels elles appartiennent. Si votre système de suivi des candidatures note ou classe à partir de champs extraits automatiquement, un choix de mise en page fait pour des raisons esthétiques fait silencieusement descendre un candidat dans votre liste. Dans les chiffres mêmes du test, un CV rédigé par un humain dans la mauvaise mise en page a moins bien performé qu'un brouillon IA simplement pointé vers l'offre (Kickresume, 2026).

Cela mérite un après-midi de diagnostic, quelle que soit votre conclusion sur la personnalisation. Prenez dix CV que vous avez écartés au filtrage le trimestre dernier, passez-les dans votre analyseur, et lisez ce que votre système a réellement ingéré face à ce que le candidat a réellement envoyé. Le mode de défaillance n'est pas que l'analyseur renvoie une erreur — c'est qu'il réussit, produit des champs dégradés, et que le classement en aval les traite comme vrais.

L'objection : la personnalisation n'est-elle pas malgré tout un vrai signal ?

L'objection la plus forte mérite une écoute loyale. Si un candidat prend la peine de personnaliser — même avec l'IA — il a quand même choisi votre offre parmi les quarante autres ouvertes dans ses onglets. Cela ne révèle-t-il pas une préférence ?

En partie, et le test de terrain va dans ce sens : 30 des 36 résultats positifs venaient de postes bien appariés, ce qui signifie que l'adéquation faisait l'essentiel du travail. Mais préférence et adéquation ne sont pas la même variable, et la personnalisation n'approxime que la première. Un candidat peut personnaliser parfaitement pour un poste qu'il quittera dans cinq mois, et un candidat très bien adapté, avec un CV sobre en colonne unique et aucune habitude de personnalisation, peut être écarté avant qu'un humain n'en lise un mot. Pire, l'approximation se dégrade de façon asymétrique : les candidats les plus susceptibles de candidater en masse avec l'aide de l'IA sont exactement ceux pour qui la personnalisation ne coûte rien, de sorte que la corrélation entre personnalisation et intérêt réel s'affaiblit le plus vite là où le volume de candidatures est le plus élevé.

La version défendable de l'objection est plus étroite qu'elle n'en a l'air. La personnalisation est une preuve faible de préférence et quasiment aucune preuve de compétence. Elle convient comme critère de départage. Elle est indéfendable comme critère de classement.

Mesurez la compétence, pas l'artisanat du document

Près de quatre-vingts ans de recherche sur la sélection pointent dans la même direction : les échantillons de travail, les entretiens structurés et les mesures d'aptitude cognitive figurent parmi les meilleurs prédicteurs de la performance au travail, tandis que les intrants adjacents au CV — années d'expérience, diplômes — sont comparativement faibles (méta-analyse de Schmidt et Hunter, 1998). Ce résultat précède l'IA générative d'un quart de siècle. L'IA n'a pas invalidé le CV — elle a supprimé la dernière excuse pratique pour en faire le premier filtre.

La distinction opérationnelle est entre inférer la compétence à partir de la façon dont un document a été assemblé et la mesurer au regard de ce que le poste exige.

Quoi changer ce trimestre

Choisissez un poste à fort volume — celui où le nombre de candidatures a doublé et où vos recruteurs se noient dans des fichiers quasi identiques et bien personnalisés. Puis faites quatre choses :

  1. Rétrogradez le CV au rang de filtre éliminatoire. Il répond aux questions d'admissibilité (autorisation de travail, diplôme obligatoire, seuil d'expérience non négociable) et à rien d'autre. Il ne produit pas de classement.
  2. Placez un signal structuré et représentatif du poste avant l'étape de classement — un court échantillon de travail, une évaluation validée, ou un entretien structuré noté au regard des exigences affichées du poste plutôt que par comparaison avec les autres candidats.
  3. Pondérez les exigences avant de voir un seul candidat. Une exigence bloquante ne doit pas compter autant qu'un atout souhaitable, et décider de cet ordre après l'arrivée des candidatures, c'est ainsi que la justification a posteriori entre dans un entonnoir. La pondération explicite de la criticité est la partie des mécanismes de scoring que la plupart des équipes sautent, et c'est celle qui rend un classement auditable.
  4. Testez-le en A/B contre un poste comparable traité CV en premier et surveillez deux chiffres : la qualité de l'embauche à 90 jours, et les heures de recrutement récupérées sur le filtrage.

Si le groupe IA personnalisé de ce test de terrain vous dit quelque chose d'opérationnel, c'est que votre entonnoir paiera volontiers une prime pour vingt minutes de travail de prompt. La question de ce trimestre est de savoir si vous classeriez sciemment des candidats sur cette base. Tant que le signal de compétence ne passe pas avant le document, votre tri de CV achète vingt minutes de travail de prompt et appelle cela une preuve — et c'est l'achat que vous refaites chaque fois que vous ouvrez le pipeline.

Ready to go beyond the CV?

Scovai's AI-powered Talent Passport reveals what resumes can't: personality, potential, and true job fit.