L’IA qui trie les CV préfère les CV écrits par une IA

Un CV optimisé avec ChatGPT a aujourd’hui plus de chances de passer un premier filtre automatisé qu’un CV rédigé à la main, même quand les deux candidats ont exactement les mêmes compétences. C’est ce que montre une étude académique publiée fin août 2025 et mise à jour en février 2026, qui documente pour la première fois un biais jusque-là surtout suspecté : les intelligences artificielles utilisées pour trier les candidatures favorisent les textes… écrits par d’autres intelligences artificielles.

Le constat arrive à un moment particulier. Aux États-Unis, la quasi-totalité des grandes entreprises utilisent désormais un logiciel pour présélectionner les CV avant qu’un recruteur humain n’en voie la couleur. Et de l’autre côté, la majorité des candidats rédigent tout ou partie de leur candidature avec un outil d’IA. Deux machines se retrouvent donc face à face, sans qu’aucun des deux camps ne sache vraiment ce que fait l’autre.

Une étude qui confirme ce que beaucoup de recruteurs soupçonnaient

L’étude en question s’appelle « AI Self-preferencing in Algorithmic Hiring » et a été menée par trois chercheurs, Jiannan Xu, Gujie Li et Jane Yi Jiang. Elle a été mise en ligne sur arXiv en août 2025, puis révisée à plusieurs reprises jusqu’en février 2026.

La méthode est plutôt solide. Les chercheurs ont récupéré 2 245 CV réels, rédigés par des humains avant l’arrivée de ChatGPT (donc sans aucune contamination par l’IA), puisés sur le site américain LiveCareer. Ces CV couvrent 24 métiers très différents, de la vente à l’agriculture en passant par la comptabilité. Pour chaque CV, ils ont fait générer par plusieurs IA un résumé professionnel équivalent, de 30 à 80 mots, censé reprendre les mêmes compétences et la même expérience.

Ensuite, neuf grands modèles de langage ont été chargés de comparer les deux versions, celle écrite par un humain et celle écrite par une IA, et de dire laquelle ils préféraient pour le poste visé. Parmi les modèles testés : GPT-4o, Claude 3.5 Sonnet, LLaMA 3.3 70B et DeepSeek V3, soit un mélange de modèles propriétaires et open source.

Le résultat est net. Selon le modèle utilisé pour juger, le biais en faveur des résumés générés par IA varie de 67 % à 82 %. Autrement dit, dans la grande majorité des comparaisons, le modèle préfère la version qu’une IA a écrite à celle qu’un humain a écrite, même quand le contenu réel (compétences, expérience, qualifications) est strictement identique.

Pour mesurer l’impact concret sur les chances d’être recruté, les chercheurs ont aussi simulé des processus de recrutement complets sur les 24 métiers étudiés. Conclusion : un candidat qui utilise la même IA que celle employée par l’entreprise pour trier les CV a entre 23 % et 60 % de chances supplémentaires d’être présélectionné, par rapport à un candidat tout aussi qualifié mais dont le CV a été écrit par un humain. L’écart est le plus marqué dans des secteurs comme la vente et la comptabilité.

Pourquoi les IA préfèrent leur propre prose

Un modèle de langage est entraîné à reconnaître des motifs dans le texte, et il a tendance à juger positivement les textes qui ressemblent à ceux qu’il produit lui-même. Les chercheurs appellent ça un biais d’« auto-préférence ».

Concrètement, une IA écrit avec une certaine régularité. Mise en forme nette, densité de mots-clés calibrée, alignement sémantique précis avec l’offre d’emploi, rythme des phrases assez homogène. Tout cela ressemble, pour un modèle qui évalue le texte, à un signal de qualité, alors qu’il s’agit simplement d’une signature stylistique.

À l’inverse, un humain qui rédige son CV un soir de semaine, surtout s’il écrit dans une langue qui n’est pas sa langue maternelle ou s’il change de secteur d’activité, produit un texte statistiquement différent de ce qu’une IA aurait écrit. Même si les compétences décrites sont meilleures.

Ce biais est difficile à repérer pour le candidat, puisqu’il se joue entièrement en amont, dans une étape du tri qu’il ne voit jamais. Il s’ajoute à des biais déjà documentés et bien plus problématiques. Une recherche menée par l’université de Washington, présentée en 2024 lors de la conférence AAAI/ACM sur l’IA et l’éthique, avait déjà montré que des outils d’IA utilisés pour classer des CV favorisaient les noms à consonance blanche dans 85 % des cas, contre seulement 9 % pour les noms à consonance afro-américaine, et ne préféraient jamais un nom à consonance masculine afro-américaine face à un nom à consonance masculine blanche, à compétences égales. Les noms à consonance masculine étaient globalement préférés dans 52 % des cas, contre 11 % pour les noms à consonance féminine. Ces écarts apparaissent alors même qu’aucune information sur l’origine ou le genre des candidats n’est censée entrer en jeu dans la décision.

Bonne nouvelle tout de même, les chercheurs à l’origine de l’étude sur l’auto-préférence ont aussi testé des correctifs. En demandant simplement au modèle d’ignorer l’origine du texte qu’il évalue, le biais recule fortement, parfois de plus de moitié. Chez GPT-4o, le taux de préférence pour les résumés générés par IA est passé de 82 % à 30 % avec cette consigne. Le problème est identifié, des solutions techniques existent, mais rien n’indique à ce stade qu’elles soient déjà déployées à grande échelle par les éditeurs de logiciels de recrutement.

Le piège qui attend ceux qui veulent jouer le jeu à fond

Face à ce constat, la tentation est grande de se dire qu’il suffit de tout confier à un chatbot pour maximiser ses chances. C’est précisément le piège.

Du côté des recruteurs humains, la lassitude face aux candidatures trop lisiblement générées par IA s’installe. Selon une enquête publiée en 2025 par Resume Now auprès de 925 professionnels américains des ressources humaines, 62 % des employeurs rejettent les CV générés par IA dès qu’ils n’ont pas été personnalisés pour le poste visé. Et 78 % des recruteurs interrogés considèrent que les détails personnalisés restent le signal le plus fiable d’un intérêt réel pour l’entreprise.

D’après le rapport mondial sur l’IA dans le recrutement publié par HireVue en 2026, qui s’appuie sur les réponses de plus de 3 100 responsables du recrutement à travers le monde, 71 % des candidats utilisent désormais l’IA pour rédiger leur CV, et 77 % des équipes RH y recourent régulièrement dans leurs propres processus. Mais la confiance ne suit pas au même rythme, puisque seulement 41 % des équipes de recrutement disent faire pleinement confiance aux outils d’IA qu’elles utilisent elles-mêmes.

Autrement dit, un CV traverse aujourd’hui deux filtres aux exigences contradictoires. Le premier filtre, automatisé, a une préférence structurelle pour un texte qui ressemble à de l’IA. Le second filtre, humain, se méfie de plus en plus des textes qui ressemblent trop à de l’IA et cherche activement des indices de paresse, formulations vagues, verbes d’action recyclés d’une candidature à l’autre, expressions creuses du type « passionné par l’innovation » sans rien de concret derrière. Un CV taillé pour passer le premier filtre échoue donc souvent au second. Et un CV pensé uniquement pour convaincre un humain risque de ne jamais arriver jusqu’à lui.

Comment construire un CV qui passe les deux étapes

Il n’y a pas de recette miracle, mais une logique assez simple se dégage des données disponibles. L’IA est utile pour la structure, le candidat reste indispensable pour la substance.

Le bloc de contact reste minimaliste : Nom, ville, e-mail, téléphone, lien vers un profil professionnel. Pas de tableau, pas de colonnes, pas d’icônes ou de visuels. Les logiciels de suivi des candidatures (les fameux ATS, pour Applicant Tracking System) continuent de mal lire les mises en page trop travaillées. Selon une analyse de Jobscan publiée en 2026, plus de 97 % des entreprises du classement Fortune 500 aux États-Unis utilisent ce type de logiciel, et la plupart d’entre eux dénaturent ou suppriment tout ce qui sort d’une mise en forme basique.

Le résumé professionnel, en haut du CV, peut partir d’un brouillon généré par IA : C’est justement la section où l’IA excelle, et celle que les candidats rédigent souvent mal eux-mêmes. L’idée est de demander plusieurs versions calées sur l’offre d’emploi, puis de reprendre la meilleure version à la main, en retirant le vocabulaire creux et en ajoutant un chiffre concret. Une phrase comme « responsable des opérations avec sept ans d’expérience dans la logistique du dernier kilomètre, ayant réduit le délai de traitement de 31 % sur deux centres de distribution » a beaucoup plus de poids qu’un générique « leader orienté résultats, passionné par l’excellence ».

La section compétences doit reprendre les mots-clés exacts de l’offre d’emploi : C’est l’endroit où le filtre automatisé note réellement le candidat. Si l’annonce mentionne « gestion des parties prenantes », il vaut mieux reprendre cette formulation plutôt que d’écrire « collaboration transversale » en espérant que le logiciel fasse le lien. Il ne le fait pas toujours. Une quinzaine à une vingtaine de mots-clés directement pertinents suffisent généralement, au-delà, le risque de sur-optimisation devient réel et certains parseurs modernes repèrent ce type de bourrage, qui paraît également suspect à un lecteur humain.

La partie expérience professionnelle, elle, doit rester entièrement écrite par le candidat : C’est la section que les recruteurs examinent le plus attentivement, et celle où une IA ne peut tout simplement pas inventer des résultats chiffrés qu’elle ne connaît pas. Chaque ligne devrait comporter un chiffre, une période et un périmètre précis. Pas « amélioration de la satisfaction client », mais « score de satisfaction client passé de 78 à 91 sur six mois, pour une équipe support de 12 personnes ». C’est aussi la partie qui profite le plus aux deux lecteurs en même temps, puisqu’un résultat chiffré paraît crédible à un humain et constitue un signal fort pour un algorithme.

Les rubriques formation et certifications ferment le CV, présentées de façon classique, sans fioriture. Côté format de fichier, mieux vaut privilégier un PDF en texte natif ou un document Word plutôt qu’un PDF scanné en image, qu’aucun logiciel de tri ne saura lire correctement.

Et pour la lettre de motivation, le même principe s’applique

Les lettres de motivation et les messages de candidature spontanée sont, paradoxalement, l’endroit où un texte généré par IA se repère le plus facilement. Le format est court, donc le moindre décalage de ton ou de style devient très visible.

Une IA peut servir de point de départ pour structurer les idées, mais la version finale doit comporter trois éléments que seul le candidat peut fournir, une raison précise de viser cette entreprise en particulier, une raison précise de viser ce poste-là chez cet employeur, et un exemple concret tiré de son propre parcours qui répond à une problématique connue de l’équipe visée. Si aucun problème concret de l’équipe ne peut être identifié, c’est souvent le signe que la recherche sur l’entreprise n’a pas été assez poussée.

Même logique pour les messages directs envoyés à un recruteur sur LinkedIn ou par e-mail. Trois paragraphes courts suffisent. Le premier nomme le poste et la raison du contact. Le second présente l’expérience la plus pertinente, avec un chiffre à l’appui. Le troisième demande un échange rapide, pas un emploi. Une IA a tendance à étirer ce type de message sur six paragraphes, il faut alors le resserrer soi-même.

Ce que dit la loi, et ce qu’elle ne dit pas encore

Aux États-Unis, l’agence fédérale chargée de l’égalité des chances dans l’emploi, l’EEOC, considère que les employeurs restent responsables au titre de la loi sur les droits civils si un outil d’IA produit un effet discriminatoire sur des candidats appartenant à un groupe protégé, que l’outil ait été développé en interne ou acheté chez un éditeur tiers.

Sur le terrain, l’application de cette règle reste compliquée à mesurer. Les audits sont rares, les sanctions tardent, et la plupart des candidats écartés ne savent jamais qu’un algorithme a participé à la décision. C’est précisément la question posée par un dossier judiciaire suivi de près aux États-Unis depuis 2023, Mobley contre Workday. Derek Mobley, un candidat afro-américain de plus de quarante ans en situation de handicap, affirme avoir postulé à plus de cent offres passant par la plateforme de l’éditeur Workday sans jamais obtenir d’entretien, certains refus étant arrivés en quelques minutes, parfois en pleine nuit. La justice américaine a autorisé l’affaire à se poursuivre comme recours collectif au titre de la loi contre la discrimination liée à l’âge, et une décision rendue le 16 juin 2026 a confirmé que l’éditeur de logiciel pouvait lui-même être tenu pour responsable, et pas seulement les entreprises clientes qui utilisent son outil. Le dossier n’est pas encore tranché sur le fond, mais il fixe déjà un précédent suivi de près par tout le secteur des logiciels de recrutement.

À l’échelle locale, certaines collectivités américaines sont allées plus loin. La ville de New York impose, via sa loi locale 144, un audit annuel des biais pour tout outil de décision automatisée utilisé en recrutement, ainsi qu’une notification aux candidats lorsque ce type d’outil intervient dans le processus. L’Illinois et le Colorado ont adopté des cadres réglementaires comparables.

Pour un candidat, la situation pratique se résume ainsi. Il est possible, dans certains territoires, de demander si un outil d’IA intervient dans le tri des candidatures, et certains employeurs ont l’obligation de le préciser. Il est également possible de saisir l’EEOC en cas de soupçon de discrimination liée à un outil algorithmique. En revanche, dans la plupart des cas, rien n’oblige aujourd’hui un employeur à fournir une explication individuelle sur les raisons d’un rejet automatisé. Tant que ce vide n’est pas comblé, c’est au candidat que revient la charge de s’adapter au système, plutôt que l’inverse.

Trois habitudes qui font une vraie différence

Au-delà de la mécanique du CV lui-même, quelques pratiques reviennent régulièrement chez les candidats qui obtiennent des entretiens dans ce contexte.

La première consiste à adapter chaque candidature au poste visé, pas seulement la lettre de motivation, mais l’ensemble du dossier. Cela suppose de retravailler le résumé, d’ajuster les mots-clés et de réordonner les expériences mises en avant selon ce que demande l’annonce. Ce travail prend une vingtaine de minutes par candidature et réduit forcément le volume de dossiers envoyés, ce qui n’est pas un problème en soi. Les candidatures ciblées convertissent nettement mieux que l’envoi massif du même CV à toutes les offres rencontrées.

La seconde consiste à tester son propre CV avec un analyseur de compatibilité ATS gratuit avant de l’envoyer, pour vérifier que les intitulés de poste et les compétences ressortent correctement une fois le document analysé par une machine. Si l’outil de test n’arrive pas à lire correctement certaines informations, il y a de fortes chances qu’un vrai logiciel de tri rencontre le même problème.

La troisième, enfin, consiste à construire un circuit parallèle qui contourne complètement le filtre automatisé. Candidature spontanée directe, recommandation interne, mise en relation via un recruteur, tout ce qui permet de faire remonter un dossier sans passer par la case algorithme. Selon plusieurs études sectorielles, un candidat recommandé en interne a environ quatre fois plus de chances d’être embauché qu’un candidat venu d’une offre publiée en ligne. Consacrer une partie significative de son temps de recherche à ce type de démarche reste, à ce jour, l’un des moyens les plus fiables de sortir du jeu du chat et de la souris entre IA candidates et IA recruteuses.

Le marché du recrutement n’est pas près de revenir à un tri entièrement humain. Mais comprendre les biais propres aux outils utilisés des deux côtés permet déjà d’éviter les pièges les plus évidents, sans pour autant renoncer à l’aide que ces outils peuvent apporter quand ils sont utilisés avec discernement.