Les RH se trompent sur l’IA, les talents et le sourcing | Ben Eubanks

Ben Eubanks a voulu travailler dans les RH dès l’adolescence. Après plusieurs années sur le terrain, il s’est tourné vers la recherche, analysant les tendances et écrivant les ouvrages que les CHRO gardent précieusement sur leurs étagères. Son premier livre, Artificial Intelligence for HR, est devenu la référence la plus citée sur le sujet. Le second, Talent Scarcity, s’est attaqué à la question que tous les responsables RH se posaient : où sont passés les candidats ?

Dans cet épisode #18 de Xobin Talks, Guru aborde les questions qui fâchent. Il interroge la réticence persistante des RH face à l’IA et la réalité démographique de la pénurie de talents. Il questionne aussi la faisabilité d’une équité salariale mondiale et ce que les sourceurs devraient anticiper avant que l’automatisation ne bouleverse leur métier.

Les leaders RH sont-ils prêts à investir dans l’IA ou restent-ils frileux ?

Guru commence par une question fréquemment posée par les clients de Xobin : malgré l’engouement autour de l’IA, de nombreux CHRO et acheteurs RH hésitent encore. Cette hésitation est-elle fondée ?

Ben : « L’IA s’est rapidement imposée dans le recrutement, utilisée pour sourcer des candidats, trier les candidatures, faire correspondre les profils aux postes et évaluer les potentiels. Mais certains restent prudents, notamment à cause des exigences légales mondiales sur l’utilisation de l’IA pour sélectionner un candidat. »

Lighthouse Research mène chaque année une grande étude sur l’acquisition de talents. Les résultats de cette année révèlent un point clé : une part des employeurs refuse d’utiliser l’IA dans le recrutement. Les trois principales raisons suivent une logique claire.

Ben : « La première raison : nous ne voulons pas remplacer l’humain. Nous voulons qu’un humain intervienne dans la décision. Deuxième raison : préserver notre marque employeur. L’IA pourrait dire ou faire des choses que nous ne maîtrisons pas totalement. Troisième raison : nous pensons que l’IA n’est pas encore prête pour gérer les tâches de recrutement de base. »

L’analogie du recruteur junior

Il s’arrête pour souligner un point qui change la perspective.

Ben : « Un recruteur junior que l’on embauche présente exactement les mêmes risques : il peut commettre des erreurs, publier un contenu inapproprié, rater une étape du processus ou avoir du mal avec certaines tâches. On projette toutes nos craintes sur l’IA alors que ces risques ont toujours existé. On attend de l’IA une perfection immédiate, et c’est là le problème. »

L’analogie est limpide : aucune organisation ne refuse d’embaucher des recruteurs juniors sous prétexte qu’ils pourraient se tromper. Tolérer l’erreur humaine tout en exigeant la perfection algorithmique relève plus de l’émotion que de la raison. Ben insiste : l’adoption progresse malgré tout.

Ben : « Beaucoup d’entreprises ont déjà adopté l’IA et en font un avantage concurrentiel. L’écart va se creuser entre celles qui l’utilisent et celles qui attendent encore. »

D’après le rapport Talent Trends 2024 de la SHRM, trois quarts des professionnels RH estiment que l’IA renforcera la valeur du jugement humain dans le recrutement d’ici cinq ans (SHRM). Pour Ben, l’enjeu est désormais le fossé qui se creuse entre les organisations qui exploitent l’IA et celles qui attendent d’être prêtes.

Les différentes générations abordent-elles les décisions liées à l’IA de façon distincte ?

Guru observe dans les données Xobin : la majorité des CV reçus sont désormais créés ou fortement modifiés grâce à l’IA générative. Les nouveaux entrants sur le marché du travail sont natifs de l’IA, alors que les décideurs RH ne le sont pas toujours.

L’offre automatisée qui a choqué les RH

Ben : « Quand j’explique l’IA, je raconte ce qu’Amazon a mis en place : un candidat postule, son diplôme et son expérience sont analysés, il reçoit automatiquement un test, le réussit, et reçoit une offre au salaire du marché, sans aucun échange avec un recruteur ou un manager. Quand je présente cela à des RH, je vois leur réaction de recul. »

Pour Ben, cette réaction est compréhensible : pour les postes qualifiés, une sélection 100 % automatisée ne correspond ni aux attentes des candidats ni à la qualité de décision recherchée. Mais ce réflexe devra évoluer à mesure que les natifs de l’IA accèdent à des postes de direction.

Pourquoi le CV n’est plus un signal fiable

Ben : « Les nouvelles études montrent qu’environ 70 % des diplômés utilisent GPT ou des outils d’IA générative pour adapter leur CV à une offre. Cela rend le recrutement plus difficile, car tous les CV se ressemblent. Que faire ? Il faut changer nos méthodes de sélection. »

La solution n’est pas de détecter et d’écarter les CV générés par l’IA, mais de ne plus considérer le CV comme signal principal. Ben fait le parallèle avec l’enseignement supérieur : les universités n’attendent plus des devoirs faits à la maison et 100 % originaux. Les recruteurs doivent aussi s’adapter. Le signal a changé, la méthode de sélection doit suivre.

Si la majorité des CV sont générés par l’IA, quelles conséquences pour le screening ?

C’est la question sur laquelle Guru insiste, car c’est précisément le problème que Xobin cherche à résoudre. Ben s’appuie sur la recherche auprès des candidats, pas seulement sur les préférences des employeurs.

Ben : « Les candidats nous disent qu’ils préfèrent avoir le choix : envoyer uniquement leur CV ou compléter un test métier court en plus. Ils préfèrent la seconde option, car cela leur permet de comprendre ce que l’entreprise attend, de mieux cerner le poste et de se démarquer autrement que par la qualité rédactionnelle de leur CV. »

Cela change complètement la perspective sur l’évaluation. Les tests pré-embauche sont souvent vus comme un outil au service des entreprises (efficacité, réduction des biais, meilleur signal). Ben souligne que les candidats y trouvent aussi leur compte : dans un monde où tous les CV se ressemblent, un test métier leur permet de sortir du lot.

Pourquoi la rapidité ne suffit pas à instaurer la confiance

Pour Guru, cela valide la démarche de Xobin : analyser le CV, construire une évaluation ciblée, vérifier que la personne peut réellement faire le travail.

Ben : « J’ai récemment donné cet exemple : une entreprise RH a développé un outil capable de générer automatiquement une fiche de poste. Il leur a fallu des années et des centaines de milliers de dollars. Aujourd’hui, n’importe qui peut faire la même chose gratuitement avec ChatGPT. »

La banalisation technologique est réelle et Guru la constate au quotidien. Ben nuance : être le premier sur le marché ne suffit pas, il faut aussi être digne de confiance. Un acheteur RH fera davantage confiance à une entreprise comme Xobin, forte de son expérience, qu’à une start-up inconnue. L’avantage concurrentiel ne tient pas à la nouveauté, mais à la preuve que le produit répond à de vrais besoins et que l’entreprise sait évoluer.

Quelles sont les véritables causes de la pénurie de talents ? Est-ce réel ou cyclique ?

La discussion se tourne vers le livre. Guru reconnaît que la pénurie de talents n’a pas de réponse simple et cherche à comprendre la tendance de fond.

Ben : « Les démographes s’accordent : pour maintenir une population sur le long terme, il faut environ 2,3 enfants par famille. Aux États-Unis, ce taux n’a plus été atteint depuis 50 ans. Nous ne produisons plus assez de personnes pour occuper tous les postes. Jusqu’ici, la réponse a été l’immigration, mais c’est une solution temporaire. À terme, les autres pays auront aussi besoin de leur main-d’œuvre. »

Les chiffres depuis l’enregistrement

Depuis cet échange, la situation s’est aggravée. Le taux de fécondité américain est tombé à 1,6 enfant par femme en 2025 (CBO), bien en dessous du seuil de 2,1 nécessaire à la stabilité de la population active. Le taux de participation au marché du travail est resté entre 62,4 % et 62,7 % en 2025 avant de baisser encore en 2026. L’immigration nette a chuté à environ 515 000 personnes en 2025, contre 2,2 millions en 2024 (Federal Reserve Bank of San Francisco).

Ben : « L’Inde est à environ deux enfants par famille. C’est en dessous du seuil, même si c’est plus élevé que dans la plupart des pays développés. Et généralement, une fois que ce chiffre baisse, la tendance se poursuit. »

Ce n’est pas un problème cyclique qui se résoudra avec la reprise économique. C’est un changement démographique structurel. L’automatisation ne comble qu’une partie du manque, en modifiant le nombre et la nature des emplois, mais pas en créant plus de travailleurs.

Avec moins de candidats disponibles, que peuvent réellement faire les employeurs ?

Ben identifie deux leviers, et constate que la plupart des organisations n’en actionnent qu’un seul.

Recruter plus intelligemment ou fidéliser davantage

Ben : « Deux leviers s’offrent à nous : recruter plus intelligemment, en élargissant et diversifiant nos viviers de talents, ou fidéliser ceux que nous avons déjà, ces collaborateurs performants dont nous ne voulons pas perdre l’expertise. Ce que je constate dans la recherche, c’est qu’une approche unique ne fonctionne ni pour le recrutement ni pour la rétention. »

La conclusion de Ben est claire : les solutions standardisées ne donnent pas de bons résultats, ni pour attirer ni pour retenir. Mais personnaliser l’approche suppose de gérer de multiples variables, ce qu’aucun manager ne peut faire seul. C’est précisément là que l’IA a un rôle à jouer : non pas remplacer le jugement, mais faire remonter la bonne information au bon moment.

Comment l’IA détecte les risques de départ avant qu’il ne soit trop tard

Ben : « Nous avons travaillé avec une entreprise qui utilise un algorithme de prédiction de la rétention. Il analyse plus de cent signaux pour anticiper les départs : absence d’entretien individuel depuis trois mois, dernier ajustement salarial il y a quatre ans, performance en baisse… Ce sont des indicateurs qu’un collaborateur risque de partir. »

L’IA ne remplace pas l’échange humain, elle permet au manager d’avoir les bonnes informations pour agir à temps. Les meilleurs managers le font naturellement pour les personnes qu’ils suivent de près. L’IA étend cette capacité à ceux qui s’éloignent discrètement, sans être remarqués.

Faut-il payer les talents au même niveau, quel que soit leur lieu de résidence ?

Guru pose une question issue des données Xobin : pourquoi un ingénieur à San Francisco gagne-t-il cinq fois plus qu’un ingénieur équivalent en Inde pour le même travail ? Et l’écart se réduit-il ?

Ben : « L’égalité salariale pour un travail équivalent est essentielle. Si vous avez une équipe aux États-Unis avec des compétences et des livrables similaires à une équipe aux Philippines ou à Singapour, mais que vous payez l’un bien moins que l’autre, cela pose problème. »

Un exemple concret : rémunérer au taux local ou global

Il cite son expérience personnelle : Lighthouse Research emploie une administratrice aux Philippines, Jessa, rémunérée au niveau américain pour qu’elle privilégie leur mission et reste fidèle à l’entreprise.

Ben : « Nous appliquons déjà cette logique. Mais pour beaucoup d’entreprises, c’est compliqué. Même aux États-Unis, la généralisation du télétravail a soulevé la question : doit-on moins payer quelqu’un qui vit dans une région isolée ? Beaucoup ont répondu non, en fixant un taux unique pour le télétravail, quel que soit le lieu de résidence. Je m’interroge : pourquoi ne pas appliquer ce principe à l’international ? »

La discussion n’apporte pas de réponse tranchée, car Ben reconnaît que les données ne permettent pas de trancher. Mais Guru montre pourquoi la question devient incontournable : les LLM effacent les barrières linguistiques, le travail à distance normalise les équipes distribuées, et des plateformes comme Xobin évaluent les compétences de la même façon partout. L’argument technique pour l’égalité salariale devient de plus en plus difficile à écarter, même si la volonté organisationnelle ne suit pas encore.

Que doivent faire les sourceurs et RH débutants avant que leur métier ne soit automatisé ?

C’est la question que, selon Guru, personne n’a jamais posée aussi directement à Ben. Il la note avant de répondre.

Ben : « Les compétences qui comptent, celles que l’algorithme ne sait pas imiter, sont les compétences humaines. Ce n’est pas propre aux RH : compassion, créativité, esprit critique… Ce sont des qualités difficiles à programmer. »

Il décrit une matrice qu’il utilise avec les RH : un axe va de l’humain au process, l’autre du routinier au nouveau. Les tâches humaines et imprévisibles sont les moins automatisables, celles qui relèvent du process et du répétitif sont les plus exposées.

Créer des liens qu’un algorithme ne peut pas tisser

Ben : « Si votre meilleure compétence est d’analyser des données et d’en extraire des tendances, il va falloir en développer une autre, car l’IA fait cela mieux que nous. Mais établir des liens, créer des relations, repérer un détail dans un CV et lancer une vraie conversation, c’est ce qui distingue l’humain de l’algorithme qui envoie des messages en masse. »

Il a appris cela en recrutant des instructeurs pilotes d’hélicoptère Blackhawk.

Ben : « J’ai vite compris qu’envoyer le même mail à 20 personnes ne donnait aucun résultat. Il fallait personnaliser : ‘Bonjour Mark, j’ai vu que vous êtes aussi pilote de montgolfière, racontez-moi !’ ou ‘Jamie, j’ai remarqué ce détail sur votre CV, vous connaissiez cette personne ?’ J’ai trouvé des points de connexion qu’un algorithme ne peut pas détecter. »

Pourquoi l’imprévisibilité est la vraie barrière à l’automatisation

Il souligne aussi une caractéristique du travail humain que beaucoup de chercheurs en IA sous-estiment : l’imprévisibilité.

Ben : « Les algorithmes ne fonctionnent que dans des environnements structurés, avec des variables limitées et des règles claires. Or, la plupart d’entre nous évoluent dans des contextes où le feedback est rare ou différé, où chaque situation est différente. On ne peut pas programmer un algorithme pour gérer ce type d’environnement. »

Le conseil aux RH en début ou milieu de carrière est limpide : aller vers l’imprévisible, vers l’humain. Chercher les missions où il faut lire une salle, gérer une relation, naviguer dans l’ambiguïté ou décider avec des informations incomplètes. C’est là que l’automatisation n’a pas encore sa place, et n’en aura pas avant longtemps.

À propos de Ben Eubanks

Ben Eubanks est Chief Research Officer chez Lighthouse Research and Advisory, cabinet de conseil et de recherche en gestion du capital humain qui accompagne les responsables RH, talents et formation dans le monde entier. Il est l’auteur de Artificial Intelligence for HR, la ressource la plus citée sur l’IA dans le recrutement, le développement et l’expérience collaborateur. Son second ouvrage, Talent Scarcity: How to Hire and Retain a Shrinking Workforce, traite de la pénurie de main-d’œuvre.

Ben cumule plus de dix ans d’expérience comme dirigeant RH et recruteur, ainsi que comme chercheur sur le monde du travail. Il anime le podcast We’re Only Human et a pris la parole devant des dizaines de milliers de professionnels RH à travers le monde. Il a fondé la communauté RH upstartHR en 2009, qui a aidé plus d’un million de lecteurs depuis.

Retrouvez Ben sur LinkedIn | Organisation : Lighthouse Research and Advisory