Biais Algorithmiques en Recrutement

Les biais algorithmiques en recrutement désignent les distorsions systématiques introduites par un outil automatisé (ATS, scoring, matching) qui désavantage certains candidats sur des critères non pertinents pour le poste — genre, âge, origine, établissement de formation — sans que cela résulte d’une intention explicite.

Ces biais proviennent le plus souvent des données d’entraînement : si un modèle de machine learning est formé sur l’historique des recrutements passés d’une entreprise, il reproduit les préférences implicites de cette entreprise, y compris si elles étaient discriminatoires. Un cas largement documenté par la presse économique (Reuters, 2018) est celui d’un outil de tri de CV développé en interne par Amazon, abandonné après avoir été identifié comme défavorisant les CV mentionnant des termes associés aux femmes. Détecter ces biais nécessite de mesurer les écarts de sélection entre populations à chaque étape du processus, pas seulement à l’embauche finale.

La prévention passe par l’audit régulier des outils avant et pendant leur utilisation, la diversification des données d’entraînement, et le maintien d’un contrôle humain sur les décisions issues du scoring ou du matching.

✔ Risque de discrimination indirecte non intentionnelle
✔ Nécessité d’audit régulier des outils
✔ Impact direct sur la marque employeur

🔹 Leviers clés : Machine Learning, Scoring Candidat, Décision Automatisée, RGPD Recrutement, Data Science RH

📖 Découvrez le Dictionnaire Digital du Recrutement ! 🚀

Envie de maîtriser tous les termes clés du recrutement digital ? Des biais algorithmiques à la décision automatisée en recrutement, explorez des définitions claires et précises pour optimiser vos stratégies RH.

📌 Accédez au dictionnaire complet ici 👉 Dictionnaire Digital Recrutement 🔥