IA dans le SIRH : ce qui se passe quand on déploie sans cadrage, et comment l'éviter

L'intelligence artificielle s'intègre progressivement dans les SIRH : matching de candidats, détection de signaux de désengagement, suggestion de mobilité, analyse prédictive des compétences. Ces fonctionnalités existent, et certaines tournent déjà en standard dans les solutions du marché. Le problème n'est pas que l'IA arrive dans les RH. C'est la manière dont elle y arrive : souvent sans cadrage, sans gouvernance, et sans que personne ne se soit posé les bonnes questions.

1. Ce que l’IA fait déjà dans les SIRH, parfois sans que vous l’ayez décidé

L’IA dans le SIRH ne se résume pas à un assistant conversationnel. Elle couvre des cas d’usage qui touchent aux décisions RH les plus structurantes : parsing et matching de CV avec scoring des candidatures, suggestion de mobilité interne basée sur les compétences et les souhaits d’évolution, détection de collaborateurs en risque de désengagement, automatisation de workflows (arrivée, changement de poste, fin de période d’essai), analyse prédictive des écarts de compétences.

La particularité de beaucoup de ces fonctionnalités : elles sont incluses dans la licence et activées par défaut. La DRH les découvre lors d’une démo ou d’une mise à jour, sans avoir jamais formellement décidé de les déployer. C’est précisément là que commence le problème.

2. La frontière qui dérange : entre recommandation et décision

Jusqu’ici, le SIRH fournissait des données brutes ; le manager ou le RH analysait et décidait. Avec l’IA, le système formule des recommandations, score des candidats, signale des risques. La décision reste humaine en théorie. Mais en pratique, une recommandation algorithmique influence la décision, même quand l’utilisateur croit décider librement : quand le système affiche un candidat « à 87 % de compatibilité », le recruteur ne part plus d’une page blanche.

L’IA ne décide pas, elle oriente. Et cette orientation n’est ni neutre ni inévitable : elle est le produit des données d’entraînement, des pondérations choisies par l’éditeur et des angles morts que personne n’a identifiés. Cette frontière doit être explicitée et gouvernée.

3. Les risques concrets d’un déploiement sans cadrage

Les biais algorithmiques : invisibles, durables, amplifiés

Un modèle entraîné sur des historiques qui reflètent des biais (genre, âge, origine, ancienneté) va les reproduire et les amplifier, de manière automatisée et à grande échelle. Ce risque est d’autant plus pernicieux qu’il est invisible : personne ne prend de décision discriminatoire consciemment, l’algorithme le fait à la place de tout le monde, discrètement, dans chaque recommandation. La détection exige un monitoring actif (analyse des recommandations par critères démographiques, seuils d’alerte, révision périodique des modèles), co-construit entre DRH et DSI.

L’AI Act : des obligations immédiates et contraignantes

Le règlement européen sur l’IA classe en « haut risque » les systèmes utilisés pour le recrutement, l’évaluation des performances, la promotion, la gestion des carrières et la résiliation des contrats. Pour ces usages : transparence sur le fonctionnement des modèles, documentation de la logique de décision, contrôle humain obligatoire, droit à l’explication, audit régulier. Ces obligations s’appliquent aussi aux entreprises qui déploient ces systèmes, pas seulement aux éditeurs.

L’opacité des modèles : un problème éthique et juridique

Beaucoup de fonctionnalités IA reposent sur des modèles opaques : on voit le résultat, pas le raisonnement. Un collaborateur classé « à risque de départ » ou un candidat écarté peut être incapable de comprendre pourquoi, donc de contester. C’est problématique juridiquement (droit à l’explication du RGPD et de l’AI Act), éthiquement (impact sur la vie professionnelle sans recours) et socialement (perte de confiance dans des processus perçus comme des boîtes noires).

4. Cas d’usage par cas d’usage : ce que DRH et DSI doivent prévoir

Cas d’usage IA	Niveau de risque (AI Act)	Ce qu’il faut prévoir
Parsing et matching de CV	Haut risque	Documentation du modèle, contrôle humain systématique, droit à l’explication
Scoring de candidatures	Haut risque	Audit anti-biais régulier, intervention humaine obligatoire, traçabilité complète
Suggestion de mobilité interne	Haut risque	Critères explicites et paramétrables, transparence, possibilité de contester
Détection de désengagement	Risque moyen	Aide à la décision managériale uniquement, jamais automatisée ; information du CSE
Automatisation de workflows	Risque faible	Cartographie des déclencheurs, tests avant déploiement, désactivation manuelle possible
Analyse prédictive des compétences	Risque moyen	Validation humaine des projections, données actualisées

Sur chaque dimension, le partage des rôles est le même : la DRH définit ce que l’IA peut recommander, les données autorisées, les critères protégés à surveiller et la pédagogie envers les collaborateurs ; la DSI évalue la faisabilité, implémente le monitoring, documente les modèles et surveille leurs dérives. Aucune des deux ne peut porter le sujet seule.

5. Cadrer le projet IA SIRH : les 4 étapes indispensables

1. Inventorier ce qui existe déjà : cartographier toutes les fonctionnalités IA actives dans le SIRH actuel, y compris celles activées par défaut, les données qu’elles consomment et leur usage réel par les managers.
2. Définir les usages prioritaires et leur niveau de risque : prioriser selon la valeur métier attendue et le risque réglementaire. Ne pas tout déployer en même temps : commencer par les usages à faible risque et valeur rapide.
3. Formaliser les règles du jeu avant le go-live : pour chaque usage, ce que l’IA peut recommander et ne peut pas décider seule, qui valide, comment les erreurs sont signalées et corrigées, ce qui est communiqué aux collaborateurs.
4. Piloter et ajuster dans la durée : comité de pilotage IA RH co-animé par DRH et DSI, revue trimestrielle des recommandations, taux d’acceptation par les managers, détection des biais émergents, coordination avec l’éditeur.

6. Et les collaborateurs dans tout ça ?

Le cadrage n’est pas une formalité technique : il détermine la manière dont les collaborateurs vivent les processus RH. Un collaborateur dont le dossier de mobilité est évalué par un algorithme opaque, sans possibilité de comprendre ni de contester, ne fait plus confiance au processus, même si la décision finale reste humaine, et même si l’algorithme est objectivement plus équitable qu’un manager avec ses propres biais. La même exigence de transparence vaut pour les recommandations faites aux managers, comme le montre notre analyse du manager augmenté.

Conclusion : une opportunité, à condition d’être une décision partagée

L’IA dans le SIRH apporte une valeur réelle : pertinence des décisions RH, réduction des biais humains, temps libéré pour des missions à plus forte valeur ajoutée. Mais ces bénéfices ne se matérialisent que si le déploiement est une décision consciente, cadrée et gouvernée, pas le résultat passif d’une fonctionnalité activée par défaut dans une licence.

La question n’est pas « faut-il déployer l’IA dans le SIRH ? », mais « sommes-nous prêts à le faire de manière responsable, avec une gouvernance claire, un partage explicite des responsabilités entre DRH et DSI, et une transparence réelle envers les collaborateurs ? ». Si la réponse est oui, l’IA devient un levier. Sinon, c’est un risque.