Les biais de nomination constituent un problème documenté : des chercheurs ont démontré que les CV avec prénoms à consonance afro-américaine reçoivent 9,5 % de réponses en moins, même lorsque traités par des systèmes automatisés. Mais derrière ce chiffre se cache une réalité bien plus vaste et préoccupante. En 2026, à l’heure où l’intelligence artificielle façonne de plus en plus les décisions d’embauche, une question centrale émerge : ces outils censés garantir l’objectivité reproduisent-ils les discriminations du passé, ou pire, les amplifient-ils à l’échelle industrielle ?
L’héritage de la discrimination
La source principale des biais est historique. Si une entreprise a recruté majoritairement certains profils par le passé, un système entraîné sur cet historique apprend à favoriser ces mêmes profils, et reproduit fidèlement cette discrimination passée en lui donnant une apparence de rationalité statistique.
Un seul biais intégré dans l’un de ces algorithmes dominants, qu’il soit lié au genre, à l’origine ethnique ou à l’âge, se propage instantanément auprès de l’ensemble des entreprises clientes, affectant simultanément des centaines de milliers de candidatures, dans des dizaines de pays.
La menace est systémique. Même en retirant les informations sensibles comme le genre ou l’origine, un système peut les reconstituer indirectement à partir de variables corrélées : un loisir, un quartier, un parcours scolaire, une formulation. La discrimination ne disparaît pas ; elle change de costume et se rend invisible.
Un point de bascule critique
Le recrutement par IA en 2026 se trouve à un point de bascule. Les outils sont puissants et les gains d’efficacité réels, mais les risques de discrimination systémique et d’appauvrissement de la diversité sont tout aussi concrets.
L’Europe régule, mais le doute persiste
Or, la régulation européenne entend réagir. L’Union européenne a pris les devants avec l’AI Act, qui classe les systèmes d’IA utilisés dans le recrutement comme « à haut risque », imposant évaluation de conformité avant mise sur le marché, documentation technique détaillée, gouvernance des données, supervision humaine obligatoire, et droit à une explication des décisions. En Europe, l’AI Act s’applique à partir d’août 2026.
Mais sur le papier, la régulation demeure souvent inerte. Les méthodes d’audit actuellement en vigueur sont loin d’être infaillibles et peuvent même paradoxalement masquer les discriminations plutôt que les corriger. La méthodologie d’audit elle-même peut devenir un vecteur de dissimulation des biais.
La formation, grand absent
Selon un rapport McKinsey, seulement 21 % des entreprises utilisant l’IA dans leurs processus RH avaient mis en place des programmes de formation dédiés pour les utilisateurs de ces outils. La formation des équipes reste absente. Un outil algorithmique n’est pas meilleur que l’usage qui en est fait. Les professionnels des ressources humaines doivent comprendre les principes de fonctionnement, les limites et les risques des systèmes qu’ils utilisent.
Le déni structurel
La vraie rupture se jouerait donc sur deux plans : la responsabilité et la transparence. L’IA ne crée pas de nouveaux biais, elle amplifie ceux qui existent déjà. Ce diagnostic est clair. Mais tant que les employeurs peuvent recourir à des boîtes noires algorithmiques tout en déléguant la responsabilité aux éditeurs, tant que les audits internes et externes demeurent des rituels de façade, aucune loi ne stopperait l’institutionnalisation de l’injustice.
Pour les progressistes, cette bataille autour de l’IA et des biais de recrutement n’est pas technocratique : elle est profondément politique. Elle détermine qui accède au travail, qui peut monter les échelons, qui reste exclu d’un système qui prétend « objectif ». C’est l’âge de l’automatisation de l’inégalité.
