Sur les candidatures les plus difficiles que vous recevez — les cas limites, où une présélection en un seul appel dit non et où un humain dirait peut-être oui — les taux de réussite sont passés de 4,5 % à 26,2 % lorsque le candidat était représenté par un agent. C'est un changement d'accès de près de six fois, et il n'est venu d'aucune modification du modèle, du CV ou de la description de poste. Il est venu du changement de procédure.
Le chiffre provient de l'étude de Gao et Jiang sur le recrutement médié par des agents (arXiv, 2026), acceptée à l'atelier REALM d'EMNLP 2026. Elle importe à un Head of Operations pour une raison qui n'a rien à voir avec la rhétorique de l'équité et tout à voir avec la question de savoir si votre présélection de CV par IA peut être défendue deux fois. La même étude a constaté que les candidatures retenues par la procédure à deux agents se reproduisaient moins souvent lors de la réexécution des cas. Le filtre a bougé, et il a bougé de façon incohérente.
L'étude : 600 paires, deux côtés, un lot limite
La plupart des présélections automatisées sont un jugement statique. Un seul appel au modèle lit un CV face à un poste et rend un verdict. Gao et Jiang soulignent que le recrutement n'est pas structuré ainsi — les employeurs évaluent l'adéquation tandis que les candidats présentent et défendent les preuves de leurs qualifications — et ils construisent la version à deux côtés : un agent côté employeur et un agent côté candidat échangent des preuves et actualisent leurs jugements avant de décider qui avance.
Ils l'ont exécutée sur 600 paires CV–poste construites avec deux modèles de pointe, GPT-5.5 et Claude Opus 4.7, et l'ont comparée à la référence en un seul appel sur le même matériel.
| Mesure | GPT-5.5 | Claude Opus 4.7 |
|---|---|---|
| Taux d'avancement, un seul appel → deux agents | 33,3 % → 39,3 % | 34,0 % → 35,5 % |
| Taux de réussite du lot limite, 3 exécutions | 4,5 % → 26,2 % | 6,5 % → 16,1 % |
Lisez les deux lignes l'une contre l'autre. Le taux d'avancement global a bougé de six points au maximum — le genre de dérive qu'un responsable des opérations absorberait sans s'en apercevoir. Le lot limite, 191 paires communes aux deux procédures, a bougé de plusieurs fois. L'effet se concentre précisément là où votre seuil fait le travail.
Si votre présélection est calibrée sur un seuil, un candidat qui arrive avec un agent n'est pas marginalement avantagé. Il est évalué par une procédure différente.
Ce n'est pas un assouplissement, et c'est bien le problème
La lecture évidente est que la présélection à deux agents est simplement plus permissive — les candidats obtiennent un avocat, davantage passent, vous recalibrez le seuil et vous passez à autre chose. L'article ferme explicitement cette porte : « la présélection à deux agents rejette des candidatures que l'appel unique fait avancer, changeant les décisions dans les deux sens ».
Deux conséquences en découlent, et la seconde est la coûteuse.
À volumes de passage similaires, les deux procédures font avancer des candidatures différentes. Vous ne pouvez pas reproduire les résultats à deux agents en assouplissant une présélection en un seul appel, car aucun seuil en appel unique ne récupère les candidatures que la présélection à deux agents sélectionne de façon constante. Les procédures ne sont pas deux réglages d'un même bouton. Ce sont deux fonctions de sélection différentes qui font simplement passer un nombre similaire de personnes.
Et parmi les cas retenus en phase de découverte puis réexécutés dans de nouvelles passes, les sélections propres à la présélection à deux agents se reproduisaient moins souvent que celles partagées par les deux procédures — clairement sous GPT-5.5, de façon moins certaine sous Opus 4.7 — alors qu'un suivi en appel unique n'a montré aucune baisse comparable. Les candidats que la procédure médiée par agents trouvait seule étaient les moins susceptibles d'être retrouvés.
Une décision qui ne se reproduit pas ne peut pas être expliquée. Ni à un candidat refusé qui le demande, ni à un recours interne, ni à un régulateur. Au titre de l'EU AI Act, le recrutement et l'évaluation des candidats relèvent de l'annexe III, les obligations à haut risque et les devoirs du déployeur de l'art. 26 s'appliquant désormais à partir du 2 décembre 2027 (EU AI Act explorer, 2026). L'exigence de surveillance humaine de l'art. 14 suppose qu'il y ait quelque chose de stable à surveiller. Un registre de présélection qui dit ce candidat a avancé lors de cette exécution n'est pas un journal de surveillance. C'est un billet de loterie horodaté.
Dans la présélection de CV par IA, la procédure — pas le modèle — est la variable que vous contrôlez
Ce résultat n'est pas isolé, et c'est ce qui devrait le faire passer d'intéressant à opérationnel. Un audit distinct de plus de 30 000 évaluations de CV par LLM sur trois modèles, commerciaux et à poids ouverts, a constaté que les effets démographiques étaient négligeables dans toutes les conditions testées — mais que la seule formulation du prompt faisait resurgir une préférence de séniorité. À expérience identique, un prompt d'évaluation structuré a fait chuter l'effet d'âge à d=0,02 (p=0,90) ; un prompt informel, « à l'instinct », a conservé d=0,41 (p=0,03) (Pavlopoulos, 2026). Mêmes modèles, mêmes CV, mêmes candidats. Procédure différente, réponse différente.
La direction s'inverse dans des conditions plus riches, ce qui durcit le constat plutôt que de l'adoucir. Lorsque Karvonen et Marks ont ajouté un contexte de déploiement réaliste — noms réels d'entreprises, descriptions de culture reprises de pages carrières publiques, contraintes sélectives comme « n'accepter que les 10 % les meilleurs » — ils ont induit des effets démographiques allant jusqu'à 12 points de pourcentage dans les taux d'entretien sur six modèles, et les instructions anti-biais dans les prompts, qui fonctionnent sur des benchmarks propres, ont cessé de fonctionner (arXiv, 2025).
Trois études, trois méthodes, une conclusion : le modèle de scoring n'est pas là où vit votre variance. La procédure autour de lui, si.
Pourquoi cela compte maintenant et non en 2028
Parce que la moitié côté candidat est déjà déployée. ManpowerGroup et Everest Group ont constaté que 54 % des employeurs déclarent que les CV, candidatures et préparations d'entretien générés par IA ont rendu plus difficile l'évaluation de la capacité réelle des candidats, tandis que plus de 90 % utilisent l'IA en sourcing et en présélection et moins de 5 % qualifient les résultats de transformationnels (ManpowerGroup, 2026).
Cet écart — adoption quasi universelle, valeur réalisée quasi nulle — est généralement lu comme un problème d'outillage. Gao et Jiang suggèrent qu'il s'agit d'un problème de procédure. Les deux côtés automatisés, la procédure d'aucun des deux spécifiée, et le comportement du filtre est désormais une propriété émergente de deux systèmes qui négocient.
Les limites honnêtes
Tenez le résultat à son poids réel. Il s'agit de 600 paires CV–poste construites, non de recrutements réels avec des résultats réels — rien ne mesure si les candidats que la présélection à deux agents a fait avancer ont ensuite performé. Deux modèles, tous deux de pointe, à un instant donné. Et c'est un article d'atelier, non un article de revue évalué par les pairs : le résultat sur la récurrence en particulier doit être traité comme un signal fort plutôt que comme une estimation établie.
Ce qui survit à ces réserves, c'est l'affirmation structurelle, et c'est celle qui vous coûte de l'argent : les procédures de présélection diffèrent par la fiabilité avec laquelle leurs décisions se reproduisent, et personne ne le mesure actuellement. Si l'effet est réel ne serait-ce qu'à la moitié de l'ampleur rapportée, vos décisions limites sont la partie la moins stable de votre entonnoir et la plus susceptible d'être contestée.
Que faire ce trimestre
La réponse utile n'est pas d'interdire les agents de candidats — vous ne pouvez pas les détecter de façon fiable et l'essai vous coûtera les candidats qui respectent les consignes. C'est de faire de la procédure, et non du modèle, l'objet de votre gouvernance. Quatre actions, par ordre de coût :
- Lancez un test de récurrence sur les décisions limites du mois dernier. Prenez cinquante candidatures tombées à quelques points de votre seuil, réexécutez-les dans la présélection identique et comptez combien de verdicts tiennent. Ce nombre est votre taux de reproductibilité, vous ne l'avez presque certainement pas, et une après-midi suffit à l'obtenir.
- Figez le prompt comme configuration, pas comme habitude de chaque recruteur. Le résultat de Pavlopoulos dit qu'un prompt d'évaluation structuré et un prompt informel sont deux instruments différents. Si vos recruteurs peuvent modifier librement ce que la présélection demande, vous exécutez un nombre inconnu de procédures en attribuant leur sortie à un seul modèle.
- Séparez la part déterministe du score de la part de jugement, et journalisez-les séparément. Une composante calculée arithmétiquement à partir des exigences déclarées du poste se reproduit par construction ; un jugement de modèle, non. Le scoring de Scovai fonctionne sur un budget de pondérations fixe réparti 50/50 entre les deux, la moitié jugement étant restituée en quatre sous-scores distincts à basse température, chacun avec sa propre justification écrite — une manière de voir à quoi ressemble cette séparation en pratique est l'architecture de scoring.
- Placez la revue humaine là où est la variance, pas là où est le volume. Vos relecteurs sont aujourd'hui répartis sur tout l'entonnoir. L'étude dit que l'instabilité se concentre dans la bande limite — ce qui signifie qu'un budget de revue humaine réduit et ciblé sur cette bande achète plus de défendabilité qu'un budget plus large réparti uniformément.
Aucune de ces actions n'exige un nouvel achat. Toutes les quatre sont des décisions de configuration, ce qui est la bonne nouvelle et aussi la raison pour laquelle elles continuent de ne pas être prises.
La décision devant vous
Le recrutement médié par des agents ne s'annoncera pas. Pas de démo d'éditeur, pas de ligne budgétaire, pas d'intégration à approuver. Il arrive quand suffisamment de candidats apportent leurs propres outils pour que votre filtre cesse de se comporter comme votre tableau de bord l'affirme — et, au vu des preuves ici, la première chose à casser n'est pas l'exactitude mais la répétabilité.
La question à mettre à l'ordre du jour de ce trimestre n'est donc pas de savoir si votre présélection de CV par IA est exacte. Elle est plus étroite et bien plus facile à trancher : si vous réexécutiez demain les refus du mois dernier, combien reviendraient identiques ? Si vous ne le savez pas, c'est la première chose à mesurer. Tout ce que vous pourriez vouloir affirmer sur votre présélection — qu'elle est équitable, qu'elle est explicable, qu'un humain la surveille réellement — dépend d'une réponse que vous n'avez pas aujourd'hui.