Les outils de détection IA pour recruteurs se multiplient depuis que l’usage de ChatGPT et de ses équivalents s’est généralisé dans la rédaction de candidatures. Lettres de motivation, CV reformulés, synthèses de parcours : une part croissante des documents reçus par les équipes RH est aujourd’hui rédigée, au moins partiellement, par un modèle de langage.
La question n’est plus de savoir si ce phénomène existe, mais comment les recruteurs peuvent y répondre sans introduire de nouveaux biais dans leur processus de sélection.
Ce que détecte réellement un outil d’analyse de candidatures IA
Un détecteur d’IA analyse un texte pour identifier des patterns statistiques caractéristiques des modèles de langage : répétitions de tournures, uniformité du registre, absence de ruptures stylistiques, distributions de probabilité de tokens. Il ne lit pas une lettre de motivation comme un recruteur, il en mesure la prévisibilité syntaxique.
La plupart de ces outils produisent un score de probabilité, pas un verdict binaire. Un texte jugé à 80 % généré par IA n’est pas une preuve : c’est un signal qui demande à être contextualisé. Un candidat dont le français est la deuxième langue peut produire un texte très « lisse », calibré sur des formules correctes, qui ressemble structurellement à un texte de ChatGPT sans l’être.
C’est précisément ce que montre une étude publiée dans Patterns en 2023 : les faux positifs touchaient en moyenne 61,3 % des essais rédigés par des anglophones non natifs, sur les sept détecteurs testés. Ce résultat concerne un corpus et une langue spécifiques, mais il illustre le risque réel d’écarter un candidat qualifié sur la seule base d’un score algorithmique.
Panorama des outils de détection IA disponibles pour analyser les CV
Plusieurs solutions ciblent explicitement le contexte RH. Les approches varient selon les fonctionnalités proposées.
- Analyse par lot : certains outils comme Its-AI permettent de traiter plusieurs CV simultanément, ce qui répond à des volumes de candidatures importants. Chaque document reçoit un score individuel et les passages suspectés d’être générés par IA sont mis en évidence.
- Détecteurs généralistes adaptables : des outils comme ceux proposés par Evernote ou d’autres plateformes d’écriture incluent un module de détection de lettres de motivation, utilisable sans compte dans une version gratuite, avec des limites de volume.
- Analyse de contenu granulaire : les fonctions de « deep scan » permettent de visualiser phrase par phrase les segments probablement générés par machine, ce qui laisse au recruteur la possibilité d’évaluer si les passages concernés sont des formules de politesse standardisées ou des descriptions de compétences clés.
Aucun de ces outils ne prétend officiellement à une fiabilité de 100 %. La plupart affichent un avertissement explicite contre toute décision prise sur la base du score seul. Ce point mérite d’être gardé à l’esprit avant d’intégrer l’un d’eux dans un processus de présélection.
Détection IA et recrutement : le cadre réglementaire à connaître
L’usage d’un détecteur IA en recrutement ne relève pas uniquement d’un choix d’outil. Il engage des obligations légales que le droit français et le droit européen encadrent de façon croissante.
L’AI Act européen classe dans la catégorie « haut risque » les systèmes qui contribuent à filtrer ou évaluer automatiquement des candidatures. L’annexe III cite explicitement les outils d’analyse et de présélection de dossiers. Un détecteur utilisé pour écarter des candidats sans intervention humaine substantielle pourrait donc relever de cette classification, avec les obligations de transparence et de documentation qui en découlent.
En France, le Code du travail prévoit que le candidat doit être informé des méthodes et techniques d’évaluation utilisées dans le recrutement. Un recruteur qui utilise un détecteur d’IA dans son processus de présélection devrait, en toute rigueur, le mentionner dans l’offre d’emploi ou lors du premier contact avec le candidat.
Ces cadres réglementaires sont récents et leur application au cas précis des détecteurs d’IA n’a pas encore fait l’objet de jurisprudence établie. La prudence recommande de traiter tout résultat de détection comme un élément d’analyse parmi d’autres, et non comme un critère d’élimination automatique.
Limites concrètes à prendre en compte avant de déployer un détecteur IA
Deux limites techniques structurent le débat autour de ces outils, et elles ne se résolvent pas par le choix d’un détecteur plus récent.
La première est la stabilité des performances selon la langue et le type de texte. Une étude de 2024 portant sur des essais en anglais dans un contexte d’évaluation à grande échelle n’a pas retrouvé de biais systématique contre les anglophones non natifs pour les détecteurs testés, contrairement à l’étude de 2023.
Les deux résultats ne sont pas contradictoires : ils indiquent que la performance d’un détecteur dépend de l’outil, de la langue et du corpus. Ce qui fonctionne pour de l’anglais académique ne présage rien pour des CV en français rédigés par des candidats d’horizons variés.
La seconde limite tient à la reformulation. Un texte généré par IA, passé dans un outil d’humanisation, peut obtenir un score de détection très bas. Un candidat déterminé à masquer l’usage de l’IA y parviendra probablement. Le détecteur filtre les usages les moins sophistiqués, pas l’ensemble du phénomène.
Pour les recruteurs, cela signifie que la détection IA est un outil d’alerte, pas de vérification. Elle peut justifier une question complémentaire lors d’un entretien : demander à un candidat d’expliquer une formulation, de détailler une expérience mentionnée dans sa lettre, ou de reformuler à l’oral ce qu’il a mis par écrit. Cette conversation reste le test le plus fiable pour évaluer si un candidat maîtrise ce qu’il a soumis.
Intégrer un outil de détection IA dans un processus de recrutement
Avant de choisir un outil, trois questions méritent une réponse claire en interne : à quel stade du processus le résultat est-il consulté, qui y a accès, et quelle décision peut-il déclencher seul ?
- Usage en alerte précoce : le score est consulté après une présélection initiale sur critères objectifs (expérience, diplôme), uniquement pour préparer des questions d’entretien ciblées. C’est l’usage le moins risqué légalement et le plus défendable opérationnellement.
- Usage en audit ponctuel : le détecteur est utilisé sur un échantillon de candidatures pour mesurer la prévalence de l’IA générative dans un segment de recrutement donné, sans décision individuelle directe. Utile pour calibrer les attentes, pas pour évaluer les candidats.
- Usage en présélection automatisée : un score en dessous d’un seuil élimine un dossier sans lecture humaine. C’est l’usage le plus exposé aux risques légaux (AI Act, Code du travail) et aux erreurs par faux positifs. Il n’est pas recommandé sans cadrage juridique préalable.
La question posée par ces outils dépasse la technique. Elle touche à ce qu’un recruteur cherche réellement dans une lettre de motivation : si l’objectif est de vérifier que le candidat sait rédiger, le détecteur a un sens. Si l’objectif est d’évaluer sa motivation ou sa compréhension du poste, une lettre rédigée avec l’aide de l’IA n’est pas nécessairement moins informative qu’une lettre rédigée sans. Ce périmètre mérite d’être défini avant que l’outil ne soit déployé.
