Derrière les outils que tout le monde utilise et que personne ne regarde vraiment.
Une entreprise publie une offre d’emploi.
Le poste demande du “leadership”, de la “gestion du changement”, une forte capacité d’exécution, de la pensée stratégique, plusieurs années d’expérience dans des environnements complexes. Quelques minutes plus tard, un candidat copie l’offre dans ChatGPT avec son CV et écrit :
“Peux-tu réécrire mon profil pour mieux matcher cette offre.”
Alors une conversation commence.
“Je ne vois pas la certification PMP.”
“Je ne l’ai pas.”
“Tu as quand même dirigé plusieurs projets complexes. On peut reformuler ton expérience pour mettre davantage l’accent sur la coordination interfonctionnelle, les livrables et la gestion de programme.”
Le CV se transforme, pas assez pour devenir faux mais juste assez pour devenir plus compatible avec le système qui va le lire.
Et lentement, quelque chose commence à se déplacer.
Pendant longtemps, le recrutement reposait encore sur une relation relativement simple : une personne essayait de raconter son travail réel à une autre personne, avec toutes les limites, les oublis, les maladresses et les simplifications que ça implique naturellement.
Aujourd’hui, plusieurs couches successives de systèmes commencent à réécrire, optimiser, comparer et interpréter ces représentations avant même qu’un humain regarde réellement le travail derrière.
Le candidat apprend quels mots augmentent ses chances d’apparaître dans les résultats. L’IA apprend comment reformuler son expérience pour améliorer sa compatibilité ATS. Le système extrait ensuite les formulations les plus proches de l’offre affichée. Une autre IA peut résumer les profils les plus “pertinents” avant même qu’un recruteur ouvre les candidatures.
Et à chaque étape, le langage devient un peu moins une description du travail réel et un peu plus une interface de compatibilité entre systèmes.
Le plus étrange dans tout ça, c’est que personne ne ment nécessairement.
Le candidat veut simplement rester visible, le recruteur veut simplement gérer un volume impossible de candidatures, l’IA veut simplement améliorer la correspondance et le système veut simplement comparer des éléments lisibles.
Tout le monde agit logiquement suivant son mandat
Et pourtant, plus les représentations deviennent compatibles entre elles, plus le réel devient difficile à voir.
Deux candidats peuvent alors produire des profils presque identiques tout en ayant traversé des réalités professionnelles complètement différentes. Une personne ayant dirigé une transformation complexe pendant plusieurs années et une autre ayant surtout appris à reformuler correctement son expérience peuvent progressivement commencer à produire des signaux très proches pour les systèmes qui les lisent.
La capacité à passer le filtre commence alors à se séparer lentement de la capacité à faire le travail.
Et le déplacement devient presque invisible parce que les recruteurs eux-mêmes ont progressivement appris à travailler à l’intérieur des limites du système plutôt qu’à voir plus loin que lui, mots-clés, titres standardisés, listes courtes, correspondances lexicales, pendant qu’une partie du travail réel disparaît précisément parce qu’elle résiste aux catégories simples.
Tu crois encore lire des profils alors que tu regardes souvent des représentations déjà optimisées pour produire une compatibilité suffisante avec d’autres représentations.
Pendant des années, les limites technologiques rendaient cette simplification presque inévitable. Les systèmes ne pouvaient pas réellement reconstruire du contexte complexe. Alors les humains ont appris à simplifier leur langage pour devenir compatibles avec eux.
La différence aujourd’hui, c’est que les systèmes commencent enfin à pouvoir fonctionner autrement.
Avec l’IA, il devient progressivement possible de reconstruire des architectures d’expérience, relier des trajectoires qui ne portent pas les mêmes titres, comprendre du contexte au lieu de simplement comparer des mots, détecter des réalités professionnelles comparables même lorsque les formulations utilisées diffèrent complètement.
Et pourtant, beaucoup d’organisations utilisent encore cette capacité nouvelle pour accélérer exactement les anciennes mécaniques, matching plus rapide, tri plus rapide, listes plus rapides, alors que les systèmes commencent enfin à pouvoir faire autre chose : reconstruire du contexte, relier des expériences complexes, détecter des cohérences humaines qui dépassent les mots-clés et redonner une place à l’enquête dans le recrutement. Le problème n’est plus réellement technologique. Pour la première fois, les outils commencent à avoir la capacité de travailler avec beaucoup plus d’intelligence et de nuance que les systèmes précédents. La question devient alors beaucoup plus simple et beaucoup plus inconfortable : est-ce qu’on veut réellement comprendre le travail humain plus profondément, ou est-ce qu’on veut simplement accélérer encore davantage les anciennes méthodes de tri.
Le réel laisse toujours des traces.
