Comment nous traitons l’IA

Pourquoi cette page existe

L’IA est désormais présente dans la plupart des processus de recrutement, et ses modes de défaillance ne sont plus hypothétiques. Les modèles de langage généralisent à partir de preuves ténues : ils peuvent donc former des stéréotypes plus vite que les personnes qu’ils étaient censés assister. Les systèmes qui apprennent des résultats de recrutement peuvent transformer un refus précoce en un schéma durable contre tout un groupe. Les fonctions de mémoire qui rendent un assistant plus personnel laissent aussi les biais s’accumuler. Et le garde-fou le plus répandu — demander à un modèle d’« être équitable » — tient nettement moins qu’il ne promet, parce que des consignes ne l’emportent pas sur ce que le système est optimisé pour faire.

Nous avons construit l’architecture IA de SkillCort contre ces modes de défaillance, non autour d’eux. Cette page détaille la conception : ce que notre IA fait, ce qu’elle ne peut structurellement pas faire, et comment vous pouvez vérifier l’un et l’autre. Rien de tout cela n’est une intention — chaque mécanisme décrit ici est actif dans le produit, et notre rapport public de gouvernance en suit les preuves.

La règle unique dont tout le reste découle

L’IA assiste. Les personnes décident. Dans SkillCort, une sortie d’IA est toujours une entrée pour un jugement humain, jamais un jugement en soi. L’IA rédige tâches d’évaluation et grilles, conduit des entretiens structurés sous une persona annoncée, transcrit et résume les réponses, extrait des citations comme preuves et propose des notes par critère. Un évaluateur humain nommé confirme chaque note ; un humain nommé prend chaque décision de processus — faire avancer, mettre en attente, refuser. Aucun réglage, aucun niveau de forfait, aucun seuil ne change cela.

C’est appliqué dans la base de données, pas dans un document de politique : les tables de notes et de décisions ne peuvent être écrites que par des chemins contrôlés qui consignent un acteur humain. Le bouton qui laisserait un algorithme rejeter une personne n’existe pas dans notre base de code — et notre barrière publique de gouvernance est conçue pour qu’il ne puisse jamais y être ajouté en silence.

Notre IA n’a aucune mémoire des personnes — par architecture

Le moyen le plus rapide pour un système d’IA de développer un biais est de le laisser apprendre de son propre historique de recrutement : un candidat d’un groupe réussit moins bien, le système déclasse discrètement le suivant. L’IA d’évaluation de SkillCort est sans état par conception. Chaque appel — un brouillon, une synthèse, un tour d’entretien, une proposition de note — part de zéro, ne voit que la matière posée devant lui et n’en retient rien ensuite.

Concrètement : notre IA n’apprend jamais des résultats de recrutement. Les décisions prises sur le Tableau de décision ne sont jamais réinjectées dans un modèle. Aucun modèle n’est affiné, réentraîné ni « amélioré » sur les données de vos candidats. Il n’existe aucune mémoire de candidat partagée entre clients, aucune liste noire commune et aucun score de réputation qui suivrait une personne d’un employeur à l’autre — ce sont des limites produit permanentes, pas des éléments de feuille de route. Un candidat qui postule deux fois représente, pour notre IA, deux travaux sans lien entre eux.

L’IA voit le travail, pas la personne

Un modèle ne peut pas stéréotyper sur des signaux qu’il ne reçoit jamais. Lorsque l’IA de SkillCort résume ou propose une note, son entrée est la production du candidat — la réponse écrite, le code, la transcription — accompagnée de la grille sur laquelle elle doit noter. Ne lui sont donnés comme entrée d’évaluation ni le nom du candidat, ni sa photo, ni ses données démographiques, ni son CV, ni aucun signal de groupe.

Deux interdits liés sont absolus. Notre IA ne déduit jamais la personnalité, l’émotion ou la sincérité à partir du visage, de la voix ou de la façon de taper d’un candidat — la vidéo existe pour une relecture d’intégrité par des humains, pas pour un jugement algorithmique de caractère. Et les signaux d’intégrité (un changement d’onglet, un collage, une alerte caméra) ne sont jamais soumis à une IA pour qu’elle rende un verdict : ils arrivent sur une frise qu’une personne relit, et aucun signal isolé ne peut écarter automatiquement qui que ce soit.

La vérification d’identité est délibérément assurée par des humains seuls. Lorsqu’elle est activée, le selfie de session, la photo du document d’identité et, le cas échéant, la photo de référence fournie par l’organisation sont affichés côte à côte à un relecteur autorisé. SkillCort ne calcule aucune similarité faciale, n’effectue aucune recherche dans des galeries, ne compare pas les candidats et ne conserve aucun gabarit biométrique du visage. Les candidats en sont informés avant la session, et l’identité du relecteur, sa décision et l’horodatage sont consignés, sans effet sur la notation ni sur le classement de l’évaluation.

L’équité est une structure, pas une consigne

Demander à un modèle d’être impartial ne coûte presque rien — et ne vaut presque rien. Nous traitons l’équité au niveau de la consigne comme une politesse, pas comme un contrôle. Les contrôles qui comptent sont structurels : des preuves issues de mises en situation plutôt que des signaux indirects, une notation ancrée dans une grille plutôt que des impressions libres, et des sorties d’IA qui arrivent comme des brouillons étiquetés qu’un humain doit confirmer activement.

Ensuite, nous mesurons. Les évaluations rapportent l’accord inter-évaluateurs (ICC) et la cohérence interne, pour qu’une notation peu fiable soit visible plutôt que supposée absente. Les pages de profil de poste suivent les écarts entre groupes avec le ratio d’impact des quatre cinquièmes et des tailles d’effet, sur le champ que l’organisation choisit de suivre — et nous disons explicitement qu’un signalement y déclenche une investigation menée par des personnes, jamais une correction automatique qui pourrait elle-même se tromper. Là où nous n’avons pas de preuves, nous le disons : nous n’affirmons aucune capacité prédictive que nous n’avons pas mesurée.

Chaque sortie d’IA laisse une trace écrite

C’est l’opacité qui transforme les erreurs d’une IA en erreurs sans responsable. Chaque sortie assistée par IA dans SkillCort porte sa traçabilité : quel modèle, quelle version, à quel moment, sur quelle entrée — consigné dans un registre que votre organisation peut auditer et exporter. Les sessions d’évaluation figent leur configuration IA au départ, de sorte qu’un changement de modèle en cours d’examen ne puisse pas modifier en silence le traitement des candidats au sein d’une même cohorte.

La même transparence vaut face aux candidats. Lorsque des candidats échangent avec notre interlocuteur IA, cela est annoncé comme une IA — une persona conçue comme telle, jamais un faux humain. Les passations peuvent proposer aux candidats un choix explicite quant à la participation de l’IA, et aucun signal d’intégrité isolé n’écarte un candidat de lui-même — une session signalée arrive devant une personne. Les candidats font part de leurs préoccupations auprès de l’organisation qui mène l’évaluation ; SkillCort y renvoie, mais ne s’y substitue pas. Les avis de consentement disent ce qui est collecté, pourquoi et pour combien de temps ; la durée de conservation est un réglage de l’organisation, et la suppression est honorée sur demande.

Les humains peuvent toujours tirer le frein

Une automatisation digne de confiance a besoin d’un interrupteur qui fonctionne en plein vol. Les propriétaires d’une organisation peuvent suspendre instantanément les surfaces d’IA — par surface, par fournisseur — et le produit retombe proprement sur son processus humain : l’évaluation continue, la notation continue, les décisions continuent. Dans SkillCort, l’IA est une couche posée sur un processus humain complet, pas une dépendance sans laquelle le processus ne tournerait plus.

Toute modification de cela est elle-même encadrée. Les parties de notre base de code qui touchent à la responsabilité des décisions assistées par IA, au consentement des candidats, à l’enregistrement ou à cet ensemble même d’engagements se trouvent derrière une barrière de changement qui exige une approbation humaine explicite — relue, étiquetée et journalisée. Nous publions ce qui est vérifié, ce qui est limité et ce qui a échoué dans notre rapport de gouvernance, parce qu’une page de confiance qui ne dit jamais que « tout va bien » relève du marketing, pas de la responsabilité.

Ce que nous ne construirons pas

Des limites ne sont réelles que si elles survivent aux incitations. Voici les nôtres, inchangées depuis la première ligne de code, et c’est ce qui rend le reste de cette page crédible :

• Aucune décision de recrutement prise par l’IA — une personne nommée porte chaque note et chaque décision
• Aucun apprentissage à partir des résultats de recrutement — les décisions n’entraînent ni n’orientent jamais nos modèles
• Aucune mémoire de candidat partagée entre clients, aucune liste noire commune, aucun score de réputation transférable
• Aucune détection de personnalité, d’émotion ou de mensonge à partir du visage, de la voix ou de la frappe
• Aucune IA cachée — les candidats savent toujours quand ils parlent à une machine
• Aucun changement silencieux — modifier le code de gouvernance de l’IA exige une approbation humaine relue

Le pari que nous faisons

Le pari du secteur est qu’une IA plus autonome rendra le recrutement moins cher. Le nôtre est différent : la valeur réelle de l’IA en recrutement est d’améliorer le jugement humain — plus vite aux preuves, plus difficile à biaiser, plus facile à défendre. Cela suppose d’accepter des frictions que la version autonome évite : un humain confirme chaque note, la traçabilité est journalisée même quand personne ne la demande, et certaines fonctionnalités sont définitivement écartées.

Nous pensons que cet échange est non seulement plus sûr, mais aussi plus juste — une décision que quelqu’un peut expliquer tend à être une meilleure décision. Si vous évaluez des personnes pour vivre, vous méritez des outils bâtis sur cette prémisse. Cette page est notre engagement permanent à continuer de les construire ainsi.