Le DRH à l'ère des algorithmes : garant d'une équité qu'il ne maîtrise plus

Le DRH délègue sans le savoir

Quand une organisation déploie un système d'IA pour trier des candidatures, évaluer la performance ou détecter des hauts potentiels, elle croit souvent améliorer l'objectivité de ses décisions RH. Les biais humains, bien documentés, seraient remplacés par des algorithmes neutres. C'est une illusion que la recherche empirique démonte systématiquement.

Une étude de 2025 publiée dans le Human Resource Management Journal, fondée sur des données collectées auprès de professionnels RH dans le secteur financier australien, identifie trois catégories de biais dans les systèmes RH pilotés par l'IA : les biais de données, qui reflètent les inégalités historiques encodées dans les jeux d'entraînement ; les biais de modèle, qui amplifient ces distorsions dans la mécanique même de l'algorithme ; et les biais de déploiement, qui surviennent quand un système conçu dans un contexte est appliqué dans un autre.¹ Ces trois dimensions sont distinctes et appellent des réponses différentes. La plupart des organisations n'en traitent aucune.

Le problème n'est pas que l'IA décide mal. C'est que le DRH signe des décisions qu'il n'a pas prises et dont il ne peut pas expliquer la logique. La responsabilité reste humaine, la maîtrise a disparu.

L'équité algorithmique : un idéal mathématiquement impossible

La notion d'équité algorithmique -- algorithmic fairness -- semble intuitive : un algorithme est équitable s'il ne discrimine pas. La réalité mathématique est plus complexe, et la littérature le documente avec une précision qui devrait alerter toute organisation qui croit avoir "réglé" le problème de la discrimination en déployant de l'IA.

Une revue systématique de 2024 couvrant 201 études sur l'équité algorithmique en RH montre que les différentes définitions mathématiques de la fairness sont en tension irréductible : satisfaire l'une revient généralement à violer l'autre.² La parité démographique -- le même taux de sélection pour tous les groupes -- est incompatible avec l'égalisation des taux de faux positifs entre groupes. L'équité individuelle, qui exige que deux candidats similaires reçoivent des traitements similaires, entre en conflit avec l'équité de groupe. Il n'existe pas de définition universelle de l'équité algorithmique qui satisfasse simultanément tous ces critères.

Ce que ça signifie concrètement pour le DRH : choisir un système d'IA, c'est choisir implicitement une définition de l'équité au détriment des autres. Ce n'est pas un choix technique. C'est un choix éthique et organisationnel. Et la plupart des DRH ne savent pas qu'ils l'ont fait.

L'IA générative en RH : une exposition nouvelle, mal documentée

L'IA prédictive classique -- scoring de CV, algorithmes de matching, modèles de prédiction du turnover -- est désormais relativement bien documentée dans la littérature. L'IA générative, elle, est en train de pénétrer les pratiques RH à une vitesse que la recherche empirique n'a pas encore rattrapée.

Les cas d'usage sont réels et croissants : rédaction automatisée d'offres d'emploi, génération de feedback de performance, conduite d'entretiens préliminaires par des agents conversationnels, scoring de candidats à partir de retranscriptions. Ce qui change par rapport à l'IA prédictive, c'est la nature de l'opacité. Un modèle prédictif produit un score que l'on peut, en théorie, remonter jusqu'aux variables qui l'ont généré. Un modèle génératif produit du texte, du dialogue, une évaluation en langage naturel -- et les biais qu'il encode sont beaucoup plus difficiles à détecter parce qu'ils se cachent dans la forme même de la communication.

Une synthèse récente de 86 études peer-reviewed sur les pratiques RH intégrant l'IA identifie un gap significatif : les études empiriques sur l'IA générative spécifiquement en RH restent rares, et les retours longitudinaux sur ses effets en termes d'équité sont quasi inexistants.³ Le déploiement précède la connaissance. C'est une situation de risque organisationnel non documenté.

Ce que le AI Act impose -- et ce que ça change pour la fonction RH

Le règlement européen sur l'IA, entré en application en 2025, classe les systèmes d'IA utilisés dans le recrutement, l'évaluation de la performance et la gestion des carrières comme des systèmes à haut risque. Cette classification n'est pas symbolique : elle impose des obligations concrètes aux organisations qui les déploient.⁴

Parmi ces obligations : des évaluations de conformité préalables, une documentation technique des systèmes, une supervision humaine effective des décisions automatisées, des audits réguliers, et la possibilité pour les personnes concernées de contester une décision prise par algorithme. Le terme clé est "supervision humaine effective" -- ce qui suppose que le superviseur humain comprend ce qu'il supervise.

Pour la fonction RH, le AI Act transforme ce qui était jusqu'ici une bonne pratique optionnelle en obligation légale. L'organisation qui déploie un ATS alimenté par de l'IA sans avoir évalué ses biais, sans avoir formé ses équipes à en interpréter les sorties, et sans avoir mis en place un dispositif de contestation, est en situation de non-conformité. En France et dans l'Union européenne, ce n'est plus une question d'éthique. C'est une question de risque juridique.

Vers un DRH garant de l'équité algorithmique

La littérature converge vers une conclusion que je formule ainsi depuis plusieurs années dans mes missions de conseil : le DRH de demain n'est pas celui qui sait utiliser l'IA. C'est celui qui sait en assumer la responsabilité.

Cette mutation de rôle est profonde. Elle suppose d'abord une compétence nouvelle : comprendre suffisamment les systèmes algorithmiques pour en questionner les choix de conception, en interpréter les sorties, et en identifier les angles morts. Pas devenir ingénieur, mais ne plus être naïf. Elle suppose ensuite une posture nouvelle : ne plus déléguer l'équité à un prestataire technologique, mais la revendiquer comme responsabilité de la fonction.

Certains chercheurs évoquent l'émergence d'un DRH "augmenté" qui tirerait parti de l'IA pour libérer du temps pour des missions à plus haute valeur humaine.⁵ D'autres posent la question d'un DRH repositionné comme "chief ethics officer", garant de la conformité éthique et légale des systèmes algorithmiques qui touchent aux personnes. Les deux lectures ne sont pas incompatibles. Elles désignent la même tension : l'IA peut être un levier extraordinaire pour la fonction RH, à condition que la fonction RH accepte d'en porter la charge de gouvernance.

Ce qui est certain, c'est que le modèle du DRH-utilisateur -- celui qui déploie des outils achetés à un éditeur et s'en remet à l'algorithme -- est en train de devenir obsolète, à la fois sur le plan éthique et sur le plan réglementaire. La question n'est plus "quel outil IA utiliser en RH ?" mais "quelle politique RH de l'IA construire pour que les décisions qui touchent aux personnes restent défendables, explicables, et contestables ?"

C'est une question que trop peu d'organisations se posent aujourd'hui. C'est pourtant celle qui déterminera, dans les prochaines années, si l'IA en RH produit de la valeur ou du risque.