By Daniel Whitmore, MSc in Industrial and Organizational Psychology
En bref
Un entretien IA est une conversation structurée qu'une IA mène pour le compte de l'employeur : elle pose des questions pertinentes pour le poste, adapte ses relances pour creuser les réponses du candidat et capte l'échange sous forme de transcription. Dans un dispositif défendable, cette transcription est le résultat — des preuves qu'un évaluateur nommé note au regard d'une grille — et non un chiffre d'« adéquation » sorti d'une boîte noire. Les entretiens IA apportent le plus de valeur pour le raisonnement verbal structuré, la communication et le jugement situationnel ; ils ne remplacent pas une mise en situation pratique, et ils ne doivent jamais inférer la personnalité ou l'émotion à partir du visage ou du ton de voix d'un candidat.
Ce qu'est réellement un entretien IA (et ce qu'il n'est pas)
Une fois le marketing écarté, un entretien IA est une conversation dotée d'une structure. Un système d'IA pose à un candidat une série de questions pertinentes pour le poste, écoute ou lit les réponses, et enchaîne avec des relances pour aller plus loin — comme le ferait un bon intervieweur quand une réponse est maigre ou qu'une affirmation appelle un exemple concret. Le candidat peut répondre à l'oral ou par écrit. Ce qui ressort à l'autre bout est un enregistrement de ce qui a réellement été dit : une transcription, rattachée aux questions qui l'ont suscitée.
Cet enregistrement est tout l'objet de l'exercice. Dans un entretien IA bien construit, la transcription est le livrable — des preuves qu'une personne lit et note au regard d'une grille. L'IA a mené la conversation pour qu'un humain n'ait pas à planifier et subir chaque appel de premier tour ; elle n'a rien décidé.
À l'opposé se trouve la version qui a valu aux entretiens IA leur mauvaise réputation : des systèmes qui analysent les expressions faciales, les micro-gestes ou le ton de la voix et en infèrent des traits de personnalité ou une note d'« adéquation culturelle ». Cette approche repose sur des bases scientifiques faibles et pose un vaste problème d'équité — elle peut pénaliser un accent, une expressivité réduite, une mauvaise webcam ou un handicap qui n'a rien à voir avec le poste. L'entretien IA utile produit des preuves qu'un humain peut vérifier. Le nuisible produit un chiffre que personne ne peut défendre. Tout ce qui suit suppose le premier type.
| Entretien IA qui recueille des preuves | « Analyse » d'IA en boîte noire |
|---|---|
| Pose des questions structurées et pertinentes pour le poste | Note le visage, le ton ou le choix des mots |
| Le résultat est une transcription qu'un humain lit | Le résultat est une note de trait ou d'adéquation opaque |
| Un évaluateur nommé note au regard d'une grille | L'outil classe ou présélectionne automatiquement |
| Auditable : vous voyez ce qui a été dit et pourquoi cela a été noté ainsi | Non auditable : le raisonnement est caché |
Comment les entretiens IA sont notés — et comment ils devraient l'être
C'est ici que la confiance se gagne ou se perd. Dans un entretien IA défendable, la notation part de la transcription, au regard d'une grille écrite par un humain : chaque compétence a ses descripteurs, et chaque réponse est jugée à leur aune. L'IA peut aider — résumer une longue transcription, désigner le passage où un candidat a pris en compte le client ou pesé un arbitrage, et même proposer une note ancrée dans la grille pour chaque compétence. Ce qu'elle ne peut pas faire, c'est décider. Chaque note de critère reste en attente jusqu'à ce qu'un évaluateur nommé la confirme ou la modifie, et modifier est aussi simple que confirmer.
Cela compte davantage pour les entretiens que pour presque tout le reste, parce qu'une conversation est exactement ce type de preuve riche et ambiguë qu'un modèle lit avec compétence mais pas de façon complète. Il peut manquer le fait que la réponse « peu polie » d'un candidat décrivait précisément le bon jugement, ou qu'une réponse fluide ne disait rien. L'humain qui lit la transcription le repère — et assume la décision.
L'anti-modèle, c'est la « note d'entretien » cachée : un chiffre unique que l'outil attribue et transmet plus loin, la transcription étant enfouie ou jetée. Si vous ne pouvez pas ouvrir l'entretien d'un candidat, lire ce qu'il a dit et voir quel passage a valu quelle note de critère, vous n'avez pas une évaluation — vous avez un verdict sans preuves derrière lui. Et aucun candidat ne devrait transporter une note d'entretien IA d'un employeur au suivant ; chaque décision de recrutement est la sienne propre, jugée sur ses propres preuves.
Ce qu'un entretien IA peut et ne peut pas mesurer
Les entretiens IA sont forts là où les preuves sont verbales et structurées. Ils conviennent bien au jugement situationnel (« un client dit X — que faites-vous et pourquoi ? »), à la qualité de la communication, au raisonnement que l'on peut entendre un candidat dérouler, et à la connaissance du métier sondée par des relances. Pour la présélection à gros volume en début de processus — support client, centre de contacts, vente sédentaire — un entretien IA structuré peut recueillir bien plus de preuves comparables qu'un entretien téléphonique humain expédié, sans le goulot d'étranglement de la planification.
Ils sont faibles, ou tout simplement le mauvais outil, ailleurs. Un entretien demande à un candidat de décrire le travail ou de raisonner à son sujet ; il ne lui demande pas de le faire. Pour tout ce qui est pratique — écrire la vraie réponse au client en colère, traiter le ticket, construire la chose — une mise en situation bat n'importe quel entretien, parce qu'elle mesure la production réelle plutôt que le récit qu'en fait le candidat. Et aucun entretien IA ne devrait chercher à lire la personnalité, l'émotion ou l'« adéquation » sur un visage ou dans une voix ; c'est l'approche discréditée de la première section, pas une fonctionnalité en prime.
La réponse pratique est rarement « entretien ou mise en situation ». C'est les deux, l'un après l'autre : un entretien IA structuré pour recueillir efficacement des preuves larges et comparables, puis une mise en situation pour les finalistes afin de les voir faire le travail. L'entretien vous dit comment quelqu'un pense et communique ; la mise en situation vous dit ce qu'il sait réellement produire.
Équité, biais et cadre juridique
L'IA ne retire pas les biais de l'entretien ; elle déplace l'endroit où ils peuvent entrer et modifie leur visibilité. Dans un entretien IA qui recueille des preuves, les risques réels sont concrets : une reconnaissance vocale qui transcrit certains accents moins fidèlement que d'autres, des questions qui ne sont pas véritablement pertinentes pour le poste et — le pire de tout — une notation automatisée qui écarte des personnes sans qu'aucun humain n'ait lu les preuves. Chacun a sa parade : des questions structurées et pertinentes pour le poste, des transcriptions relues par un humain, et un point de contrôle « confirmer ou modifier » sur chaque note, pour que personne ne soit rejeté par une machine.
La réglementation converge exactement vers cette discipline. La Local Law 144 de New York impose un audit de biais indépendant des outils automatisés de décision d'emploi et une information des candidats avant usage. L'Artificial Intelligence Video Interview Act de l'Illinois impose d'informer les candidats, d'expliquer le fonctionnement de l'IA, d'obtenir leur consentement et de supprimer les enregistrements sur demande. Le règlement européen sur l'IA classe l'IA utilisée dans le recrutement comme à haut risque, avec des obligations de supervision humaine, de transparence et de tenue de registres. Les détails diffèrent selon la juridiction et évoluent avec le temps — voyez ceci comme une orientation, pas un avis juridique, et vérifiez les règles qui s'appliquent à vous — mais la direction ne fait aucun doute : information, supervision humaine, auditabilité.
Ce qui rassure, c'est que la conception conforme et la conception efficace sont la même conception. Des questions structurées et pertinentes pour le poste, une transcription que vous pouvez montrer, une notation assumée par des humains et une piste d'audit : voilà ce qui rend un entretien IA à la fois défendable sur le plan de l'équité et bon pour prédire la performance. Un outil dont l'argumentaire est « notre IA classe et présélectionne les candidats à votre place » vous vend l'architecture contre laquelle le droit avance — et celle qui a le moins de chances de survivre à la question « pourquoi ? » d'un candidat ou d'un régulateur.
Une liste de contrôle pour un entretien IA défendable
Si vous introduisez des entretiens IA, ou que vous auditez ceux que vous menez déjà, voici les questions qui séparent un entretien de recueil de preuves d'une boîte noire. Si vous pouvez répondre oui à toutes, vous avez un processus que vous pouvez assumer.
- Colonne vertébrale structurée : chaque candidat reçoit-il les mêmes questions de fond, pertinentes pour le poste, notées au regard de la même grille ?
- Relances circonscrites : les sondages adaptatifs restent-ils à l'intérieur des compétences du poste plutôt que de s'en écarter ?
- Transcription comme preuve : pouvez-vous ouvrir n'importe quel entretien et lire exactement ce qui a été dit ?
- Notation assumée par des humains : un évaluateur nommé confirme-t-il ou modifie-t-il chaque note de critère, modifier étant aussi simple qu'accepter ?
- Aucune inférence sur le visage ou la voix : le système note-t-il les réponses, jamais l'expression faciale, l'émotion ou l'« adéquation » ?
- Transparence envers le candidat : les candidats sont-ils informés qu'une IA les interroge, de son fonctionnement et du traitement de leurs données ?
- Associé à une mise en situation : les finalistes font-ils aussi le travail réel, au lieu de seulement le décrire ?
- Audité quant à ses effets : vérifiez-vous les résultats à la recherche d'un impact défavorable entre groupes, et corrigez-vous les questions qui ne tiennent pas ?
À retenir
- Un entretien IA doit recueillir des preuves — questions structurées, relances adaptatives, une transcription qu'un humain note — et non analyser le visage ou la voix d'un candidat pour en tirer une note d'« adéquation » cachée.
- C'est la structure qui rend un entretien prédictif ; la vraie valeur d'un intervieweur IA est d'appliquer cette structure de façon constante, avec des relances circonscrites au poste.
- La notation doit partir de la transcription, au regard d'une grille écrite par des humains, un évaluateur nommé confirmant ou modifiant chaque note de critère.
- Les entretiens IA mesurent bien le raisonnement verbal et la communication mais ne peuvent pas remplacer une mise en situation pratique — utilisez les deux, l'un après l'autre.
- Conçu pour être équitable et conçu pour être licite, c'est la même conception : des questions pertinentes pour le poste, une transcription lisible, des décisions assumées par des humains et une piste d'audit (NYC LL144, Illinois AIVIA, règlement européen sur l'IA).
Sources et pour aller plus loin
- Levashina, Hartwell, Morgeson & Campion (2014), "The Structured Employment Interview: Narrative and Quantitative Review of the Research Literature," Personnel Psychology
- McDaniel, Whetzel, Schmidt & Maurer (1994), "The Validity of Employment Interviews: A Comprehensive Review and Meta-Analysis," Journal of Applied Psychology
- Regulation (EU) 2024/1689 (EU AI Act) — Official Journal of the European Union
- NYC Local Law 144 — Automated Employment Decision Tools (NYC DCWP)
Comment se déroule la conversation : la structure d'abord, des relances circonscrites
Le facteur qui pèse le plus sur la capacité d'un entretien à prédire la performance au travail est la structure — les mêmes questions de fond, rattachées aux compétences dont le poste a besoin, notées de la même manière pour tout le monde. Des décennies de recherche sur la sélection pointent dans la même direction : les entretiens structurés font nettement mieux que les entretiens non structurés, et c'est la structure qui fait le travail. Le véritable avantage d'un intervieweur IA est qu'il applique cette structure de façon constante. Il ne fatigue pas au dixième candidat, ne dérive pas vers la conversation de sympathie et ne pose pas des questions plus faciles au candidat au beau CV.
Mais la structure seule peut donner l'impression d'un formulaire. La raison d'utiliser une IA plutôt qu'un questionnaire figé, c'est la relance adaptative : quand un candidat donne une réponse vague à une question situationnelle, l'IA demande quelle action précise il a menée ; quand il mentionne une décision, elle demande ce qu'il a mis en balance. Bien menée, cette approche creuse les mêmes compétences plus en profondeur sans se transformer en un entretien différent pour chaque personne.
Le risque de conception est la relance qui s'égare — hors du poste, dans la sphère personnelle, ou dans un détour qui avantage les plus bavards. Les relances doivent donc être circonscrites : sur SkillCort, les relances d'un entretien IA restent à l'intérieur de la carte des compétences du poste. Le système creuse ce dont le poste a réellement besoin et n'improvise pas des questions que vous n'autoriseriez jamais un humain à poser. Colonne vertébrale structurée, profondeur adaptative, limites fixes.