Trente-huit pour cent des chercheurs d'emploi américains ont abandonné au moins une fois un processus de recrutement précisément parce qu'il comportait un entretien mené par l'IA. Douze pour cent de plus déclarent qu'ils le feraient si cet entretien était imposé. La moitié de votre vivier de candidats, selon la lecture que le rapport fait de ses propres chiffres, est soit déjà partie, soit prête à partir (Greenhouse 2026 Candidate AI Interview Report).
La déduction évidente serait que les candidats se sont retournés contre le présélection automatisée. Le même jeu de données l'exclut. Interrogés sur ce qu'ils souhaitent pour l'avenir, seuls 19 % des candidats américains répondent vouloir moins d'IA qu'aujourd'hui. Ce seul chiffre change le sens du taux d'abandon — et ce que sa correction vous coûte.
L'abandon n'est pas un référendum sur l'IA
Greenhouse a interrogé 2 950 chercheurs d'emploi actifs aux États-Unis, au Royaume-Uni, en Irlande, en Allemagne et en Australie. L'exposition est désormais la norme et non plus l'expérimentation : 63 % des candidats américains ont passé un entretien avec une IA au cours des douze derniers mois, soit une hausse de 12 points de pourcentage en six mois.
Si l'abandon suivait l'exposition à l'IA, les marchés les plus exposés montreraient la plus forte résistance. Ce n'est pas le cas, du moins pas de façon nette. L'Allemagne affiche l'exposition internationale la plus élevée, à 57 %, et le taux d'abandon le plus élevé de tous les marchés, à 42 %. L'Irlande a l'exposition la plus faible, à 36 % — et la non-divulgation y est le premier déclencheur d'abandon, ce qui est cohérent avec le fait que seuls 9 % des candidats irlandais ont été clairement informés à l'avance de l'usage de l'IA.
Il existe un second test qui sépare l'aversion pour les machines de l'aversion pour votre processus. Greenhouse a demandé aux candidats s'ils s'étaient sentis évalués différemment en raison d'une caractéristique personnelle, face à l'IA et face à des recruteurs humains, et les réponses sont presque identiques : l'âge a été signalé par 36 % face à l'IA et 36 % face à des humains, l'origine ethnique par 27 % dans les deux cas, le genre par 24 % contre 26 %. Sur l'apparence, les candidats jugent l'IA moins biaisée que les personnes — 21 % contre 28 %. Les candidats n'attribuent pas à l'algorithme un préjugé qui lui serait propre.
Regardez ce que les candidats américains disent vouloir à la place du dispositif actuel et l'image se précise : 22 % veulent plus d'IA avec une supervision humaine renforcée, 21 % le même niveau avec plus de transparence, 19 % moins d'IA, et seuls 12 % plus d'IA au motif qu'elle rend le recrutement plus rapide et plus équitable. Sur les cinq marchés, cette dernière option ne dépasse jamais 14 %. La position majoritaire n'est pas le repli. C'est la même quantité de machine, avec une personne rattachée.
Ce que les candidats fuient, c'est l'entretien IA sans présence humaine, pas l'automatisation
Les déclencheurs d'abandon dans les données Greenhouse sont précis, et ce n'est pas « l'entreprise a utilisé l'IA ».
Le plus important de loin est l'entretien vidéo préenregistré évalué par l'IA sans aucune présence humaine — 33 %. Viennent ensuite : les entreprises qui ne précisent pas comment l'IA sera utilisée (27 %), la surveillance par IA (26 %), un entretien mené par l'IA imposé (26 %), et l'impossibilité de savoir si l'on s'adressait à une personne ou à une machine (20 %).
Trois de ces cinq motifs portent sur l'absence d'une personne ou l'absence d'explication. Un seul — l'entretien IA imposé — porte sur l'automatisation en tant que telle.
Les remèdes que les candidats citent correspondent exactement. La première demande aux États-Unis est la possibilité de solliciter un entretien humain à la place (46 %), suivie par le fait d'être informé en amont de l'implication de l'IA (44 %), une explication claire de ce que l'IA mesure (39 %), et la certitude qu'une personne revoit l'évaluation de l'IA avant la décision (38 %). L'option de l'entretien humain est la première mesure rassurante sur chacun des marchés étudiés, sans exception, de 41 % en Allemagne à 49 % en Irlande. Et 59 % des candidats américains veulent un échange en direct avec un recruteur humain comme premier contact avec une entreprise ; 12 % préfèrent un entretien en direct mené par l'IA (Greenhouse, 2026).
La chaise vide est le défaut produit. L'automatisation ne l'est pas.
Le contre-argument : la préférence déclarée ne coûte rien
Un Head of Operations raisonnable devrait objecter ici. Les répondants à une enquête disent valoriser la revue humaine parce que le dire est gratuit. Le comportement réel est autre chose, et « je serais parti » n'équivaut pas à partir.
Cette objection a été testée directement, et elle ne tient pas. Une expérience conjointe préenregistrée a soumis 1 919 chercheurs d'emploi américains à huit choix forcés chacun entre des systèmes de présélection par IA — 30 704 profils au total — en randomisant indépendamment six attributs : autorité décisionnelle, taux d'erreur, explication, droit de retrait, recours, et audit de biais indépendant (Wang, Sturgis & de Kadt, 2026).
L'implication humaine a déplacé le choix déclaré de +0,272 en probabilité de sélection du profil. Ramener le taux de rejets injustifiés du système de 30 % à 10 % l'a déplacé de +0,285. L'écart entre les deux est statistiquement indiscernable de zéro. En clair : mettre une personne dans la boucle a acheté à peu près autant d'adhésion des candidats que tripler la précision du système.
À titre de comparaison, les garanties procédurales que la plupart des fournisseurs mettent en avant arrivent nettement en dessous : recours +0,156, droit de retrait +0,129, explication +0,128, audit de biais indépendant +0,068.
Le résultat le plus tranchant des auteurs est celui sur lequel il faut s'arrêter. La valeur accordée par les candidats au recours, au retrait et à l'audit de biais n'a pas augmenté à mesure que les rejets injustifiés devenaient plus fréquents — chacun est resté dans une borne d'équivalence préenregistrée. La procédure n'est pas valorisée comme une assurance contre l'erreur. Elle est valorisée pour elle-même, ce qui signifie qu'améliorer la précision de votre modèle ne s'y substitue pas.
Les limites, honnêtement
L'expérience conjointe mesure un choix déclaré dans une tâche à choix forcé, pas des candidatures réellement déposées. Les auteurs notent eux-mêmes que l'intention de postuler (3,24 sur une échelle en cinq points) dépassait largement la légitimité perçue (2,85), et que 7,8 % des répondants combinaient une légitimité sous la médiane et une intention de postuler au-dessus — les gens postulent à des processus qu'ils jugent illégitimes. Le volume de candidatures est donc un mauvais instrument de mesure ici. Greenhouse est une recherche d'éditeur avec un intérêt commercial dans la réponse, et son sous-échantillon américain n'est pas détaillé. Les deux sources pointent dans le même sens ; aucune n'est une estimation causale propre de la perte de tunnel.
La transparence répare le côté candidat. Elle ne répare pas la décision.
C'est ici que la plupart des réactions à ces données se trompent. Le correctif intuitif — annoncer ce que l'IA évalue — fonctionne, et il fonctionne sur exactement un côté de la transaction.
Huit études publiées dans Information Systems Research, dont deux expériences principales et une réplication quasi-expérimentale sur le terrain, ont constaté que l'évaluation algorithmique des entretiens vidéo unidirectionnels augmentait le stress des candidats et la gestion trompeuse de l'image de soi par rapport à une évaluation humaine, et que dire aux candidats comment l'algorithme les évalue ramenait les deux phénomènes au niveau d'un entretien mené par une personne (Lakhiwal, Liu, Bala & Suen, 2026).
Le résultat côté employeur est le plus inconfortable. Dans les configurations augmentées par l'IA — des décideurs humains à qui l'on montre le score de l'IA — les évaluateurs se sont ancrés sur ce score et ont dévalué leur propre jugement, alors même que ce score ne parvenait pas à distinguer les réponses honnêtes des réponses trompeuses. L'effet correcteur de la transparence côté évaluateur s'est révélé limité.
La transparence rachète donc le comportement du candidat sans racheter la qualité de la décision. Ce sont deux réparations distinctes qui exigent deux changements distincts, et annoncer la première ne fait rien pour la seconde. (Le texte intégral est payant et le résumé publié donne des directions et non des magnitudes — à traiter comme un sens d'effet, pas comme une quantité.)
À quoi ressemble réellement la perte en aval
Le taux d'abandon est le coût visible. Le plus silencieux est ce qui arrive aux candidats qui restent.
Parmi ceux qui ont terminé un entretien avec une IA, 51 % n'ont obtenu aucune issue : 38 % ont été ignorés purement et simplement, 13 % attendent encore. Seuls 28 % ont avancé (Greenhouse, 2026). Ce n'est pas un problème d'IA — c'est un processus qui n'a jamais eu les moyens de boucler la boucle et qui tourne maintenant à la cadence de la machine. Une recherche indépendante place la même tendance sur une base plus longue : la part des chercheurs d'emploi jugeant leur expérience excellente est tombée à 11 % en 2026 contre 18 % en 2023, pendant une période d'investissement croissant dans les technologies de recrutement, avec moins d'un candidat sur dix n'ayant jamais été laissé sans réponse (PeopleScout, 2026).
La confiance est valorisée en conséquence. Seuls 21 % des candidats américains croient que la plupart des employeurs utilisent l'IA de manière responsable et transparente, et sur les cinq marchés, entre 63 % et 70 % ne le croient pas. Cinquante-sept pour cent estiment que les entreprises devraient être légalement tenues de déclarer l'usage de l'IA dans l'évaluation des candidats — un électorat qui finit généralement par obtenir ce qu'il demande (Greenhouse, 2026).
L'effet de marque est plus serré que les titres ne le suggèrent, et c'est la partie stratégiquement intéressante : aux États-Unis, 38 % des candidats ont vu l'employeur plus positivement après un entretien avec une IA, contre 34 % plus négativement, soit un solde de +4. Au Royaume-Uni, le solde est de −20. Même technologie, configuration différente, résultat inverse. La variance est dans la mise en œuvre, pas dans l'outil.
Ce qu'il faut changer ce trimestre
Si votre étape d'entretien IA a été justifiée par les heures de présélection économisées, le business case doit être refait face à un tunnel qui s'auto-sélectionne en sortie dès le sommet. Quatre mouvements, par ordre de coût :
- Annoncez avant l'étape, pas pendant. Dites clairement, dans l'invitation, que l'IA est impliquée et ce qu'elle observe. C'est la demande des 44 %, c'est une modification de modèle de message, et c'est aussi le levier qui, selon les travaux publiés dans ISR, réduit les réponses trompeuses — donc il améliore en même temps la qualité de votre signal.
- Proposez un parcours d'entretien humain sur demande. La demande des 46 %, et le remède classé premier sur les cinq marchés. Vous ne le proposez pas à tous ; vous le proposez à la fraction qui partirait sinon. Chiffrez-le face au coût de remplacer ces candidats dans votre pipeline.
- Faites noter l'enregistrement par les évaluateurs avant qu'ils ne voient le score de l'IA. L'effet d'ancrage n'opère que si le chiffre arrive en premier. C'est un changement d'ordre dans votre flux de travail, pas une décision d'achat, et c'est le seul des quatre qui protège la qualité de la décision plutôt que l'expérience candidat.
- Gardez la déclaration et la décision humaine au dossier. Si vous entendez affirmer qu'une personne a revu l'évaluation, cette affirmation devrait être vérifiable et non simplement énoncée — ce que le système déclare, quel fournisseur a traité les données, et la décision humaine consignée pour chaque recrutement sont des choses qu'une plateforme publie ou ne publie pas. Les 57 % qui réclament une obligation légale de déclaration décrivent la direction du vent.
Notez ce qui manque à cette liste : changer de fournisseur, réduire l'automatisation, ou revenir à la présélection manuelle. Seuls 19 % de vos candidats le demandent.
Ce n'est pas l'entretien IA qui vous a coûté ces candidats. C'est la personne absente. Avant d'approuver une nouvelle ligne budgétaire d'automatisation de la présélection ce trimestre, découvrez quel est votre propre taux d'abandon à cette étape — parce qu'à l'heure actuelle, il est presque certainement comptabilisé comme du désintérêt.