Cinq cent mille. C'est le nombre d'entretiens d'embauche que l'IA de HackerRank a déjà fait passer, selon l'entreprise elle-même. Snowflake, Snorkel, Capgemini figurent parmi les premiers volontaires pour le test. Traduction pour ceux qui suivent : un demi-million de candidats ont déroulé leur avenir professionnel devant un logiciel — et pas un seul dirigeant n'a jugé utile de publier le chiffre qui compte vraiment.
500 000 entretiens. Combien d'embauches ? Silence radio
C'est la seule question qui vaille, et c'est précisément celle que le communiqué évite. On vous vend du volume, jamais du résultat. Un entretien, ce n'est pas une victoire, c'est un filtre. Une usine à filtrer qui filtre 500 000 personnes peut très bien n'avoir amélioré le taux d'embauche de zéro virgule rien. Elle a juste rendu le refus plus rapide, plus froid, et surtout moins cher.
Parce que le produit ne remplace pas le recruteur. Il ne décide pas non plus. Il élimine. Nuance : HackerRank ne vend pas une machine à trouver les meilleurs, il vend une machine à sortir du pipeline ceux qu'on n'ira pas voir. C'est un vide-ordures automatique avec un joli dashboard.
Suivez l'argent : qui se goinfre
HackerRank vend des pelles et des pioches depuis 2012. Son business, c'est l'évaluation technique à grande échelle. Ajouter un intervieweur IA, c'est de l'intégration verticale du tri : la boîte possède désormais le test, la note et l'entretien. Un seul fournisseur pour toute la chaîne du rejet. Félicitations, c'est un monopole déguisé en feature.
Et regardez la liste des testeurs. Snowflake et Snorkel, très bien : des boîtes tech qui recrutent des profils pointus. Mais Capgemini, plus de 300 000 salariés, machine à recruter par wagons entiers de jeunes diplômés — voilà le vrai marché. Là où le volume explose, là où un entretien humain coûte des heures facturables, là où l'IA devient une évidence comptable.
Ne cherchez pas plus loin qui paie l'addition. Le recruteur junior — un poste massivement féminisé, massivement dévalorisé, massivement précaire — est la ligne budgétaire qu'on supprime. On ne vous dira pas « on licencie des humains ». On vous dira « on libère du temps pour se concentrer sur l'humain ». Le temps libéré, personne ne l'a jamais vu revenir sur les candidats.
Le mythe du « zéro biais » a déjà un cimetière
Chaque génération d'IA recruteuse promet la neutralité. Chaque génération finit au même endroit. En 2018, Amazon jette discrètement un outil de tri de CV qui pénalisait les candidatures contenant le mot « women's » — révélé par Reuters. En janvier 2021, HireVue abandonne l'analyse faciale de ses entretiens vidéo sous la pression. Mêmes promesses, même esquive, même épilogue.
Un modèle entraîné sur les décisions de recrutement passées n'apprend pas la compétence. Il apprend qui a été embauché. Donc, mécaniquement, qui ne l'a pas été. Le biais n'est pas un bug à corriger : c'est le carburant. Et maintenant qu'on passe de l'analyse de CV à l'entretien automatisé, l'échantillon s'élargit : la voix, l'hésitation, le débit, l'accent. Demandez donc aux candidats à l'accent non-parisien comment les moteurs de reconnaissance vocale les traitent. On attend la réponse de Capgemini avec impatience.
Et la data du candidat, elle part où ?
500 000 entretiens, c'est aussi 500 000 corpus de données comportementales. Que capture exactement cette IA ? La voix ? Les silences ? Le temps de réaction ? Est-ce stocké, agrégé, revendu, utilisé pour entraîner la version suivante ? Un candidat qui passe un entretien n'a jamais signé pour nourrir un modèle. Il a signé pour un job qu'il n'aura probablement pas. Le contrat, lui, est en 12 pages de police 6 dans un lien que personne n'ouvre.
À qui on parle
À HackerRank : publiez le taux d'embauche après entretien IA, pas le nombre d'entretiens. Le premier chiffre est une information, le second est une plaquette commerciale.
À Capgemini et aux autres : si votre promesse est « filtrer plus vite », dites-le en entier — filtrer plus vite et payer moins de gens pour le faire. On respectera au moins l'honnêteté.
Aux candidats, enfin : ce n'est pas vous. C'est une distribution de probabilités entraînée sur les erreurs de vos prédécesseurs. La machine apprend vite. Le problème, c'est qu'elle apprend de nous.