IA en recrutement: parle-t-on d'équité, ou seulement d'égalité?

Je suis tombée récemment sur une publication à propos d'une intelligence artificielle utilisée en recrutement. Une phrase m'arrêtée.

La personne affirmait ceci: 

"l'IA pose les mêmes questions, dans le même ordre, avec le même niveau d'exigence pour chaque candidat. Résultat : tout le monde est évalué sur les mêmes critères et bénéficie de la même première chance"

Elle y voyait un gain en matière d'équité.

Et c'est là que j'ai tiqué.

Pas parce que je rejette l'idée. Pas parce que je pense que l'IA n'a rien à apporter. Mais parce qu'à mes yeux, ce qui est décrit ici relève d'abord de l'égalité de traitement. Et ce n'est pas tout à fait la même chose que l'équité.

La nuance est loin d'être anodine.

Faire pareil pour tout le monde

Quand une IA pose les mêmes questions à tous les candidats, dans le même ordre, sans varier selon l'humeur, l'énergie ou les biais du moment, il y a effectivement quelque chose d'intéressant.

On réduit l'improvisation. On réduit une partie des écarts d'un évaluateur à l'autre. On met plus de structure dans un processus qui, soyons honnêtes, en manque parfois sérieusement.

Et ce n'est déjà pas rien. En recrutement, on sait à quel point deux personnes peuvent vivre des expériences très différentes pour un même poste. Une entrevue menée à toute vitesse, une autre beaucoup plus chaleureuse. Un recruteur qui creuse, un autre qui survole. Quand un outil vient réduire cette variabilité, il apporte quelque chose.

Mais est-ce que faire pareil pour tout le monde suffit à rendre le processus équitable ?

L'égalité n'est pas l'équité

Traiter tout le monde de la même manière peut sembler juste. Mais en pratique, "pareil" ne veut pas toujours dire "équitable".

Parce que les candidats ne se présentent pas tous avec la même aisance verbale, les mêmes codes, le même rapport à la technologie, la même capacité à se raconter dans un format donné.

Parce que les critères eux-mêmes ne tombent pas du ciel. Qui les a définis ? À partir de quelle vision du "bon candidat" ? Avec quelles présuppositions sur la manière dont le potentiel, la compétence ou la motivation doivent s'exprimer ?

C'est souvent là que le mot équité est utilisé un peu vite. L'outil peut être constant. Très constant, même. Mais si les critères sur lesquels il s'appuie favorisent inconsciemment certains profils, alors on n'a pas créé plus d'équité. On a simplement standardisé un cadre qui méritait peut-être d'être questionné.

Une injustice incohérente ou une injustice très bien organisée ?

Je force un peu le trait, mais pas tant que ça.

L'humain introduit parfois de l'incohérence, de la subjectivité, des écarts de jugement. On peut y voir un problème. Et souvent, c'en est un.

Mais un système très structuré, très uniforme, très "propre" peut aussi reproduire à grande échelle des angles morts qu'on ne voit plus, justement parce qu'ils sont devenus cohérents.

C'est peut-être ça qui me fait réagir quand on parle d'équité avec autant d'assurance. Il peut réduire certains biais, oui. Il peut aussi en figer d'autres. Et plus l'outil semble neutre, plus on risque de baisser la garde.

Ce que l'IA améliore vraiment… et ce qu'elle ne règle pas à elle seule

Je pense qu'il faut être capable de tenir les deux idées en même temps.

D'un côté, l'IA peut aider à rendre certaines étapes plus rigoureuses. Elle peut éviter des dérives très humaines : l'improvisation totale, l'effet de halo, les décisions prises "au feeling" puis justifiées après coup.

De l'autre, elle ne transforme pas magiquement un processus en processus équitable. Elle ne nous dispense pas de réfléchir aux critères. Elle ne nous dispense pas de nous demander si tous les candidats ont réellement la même possibilité de démontrer leur valeur dans le format proposé.

Et surtout, elle ne devrait pas nous permettre d'utiliser des mots lourds de sens avec trop de légèreté.

Quand une IA pose les mêmes questions à tout le monde, elle peut contribuer à plus de constance, plus de standardisation, et c'est déjà utile. Mais parler d'équité demande d'aller plus loin : revoir les critères, questionner le cadre, se demander si le format lui-même est juste pour ceux qui n'ont pas été pensés en le concevant.

Donner la même expérience à tout le monde, ce n'est pas la même chose que donner à chacun une chance réellement juste. Tant qu'on confond les deux, on ne construit pas l'équité. On lui donne bonne conscience.