Pourquoi « l’IA dans le recrutement » est surtout du battage médiatique – et ce qui fonctionne vraiment | Mike Cohen

Mike Cohen répond à ses messages LinkedIn sous le pseudonyme Batman Recruiter ; son URL est littéralement linkedin.com/in/batmanrecruiter. Il travaille dans le sourcing en agence depuis l’âge de 21 ans, dirige sa propre société Wayne Technologies, et s’impose comme l’une des voix les plus franches sur l’IA dans le recrutement.

Dans l’épisode #12 de Xobin Talks, Amrit Acharya, cofondateur et COO de Xobin, échange avec Mike sur ce que ChatGPT a réellement changé dans le sourcing, sept mois seulement après son lancement. L’entretien aborde des cas d’usage concrets, des résultats tangibles, des limites claires, et la grande question que beaucoup de recruteurs se posent en silence : « L’IA finira-t-elle par remplacer les métiers du recrutement ? »

Attendez – pourquoi votre URL LinkedIn est-elle Batman Recruiter ?

Amrit ne peut pas s’empêcher de poser la question avant d’aborder l’IA.

Amrit : « Votre profil LinkedIn est linkedin.com/batmanrecruiter. Quelle est l’histoire derrière ça ? »

Mike : « Quand je travaillais à New York, j’ai commencé à réfléchir à la création de ma marque personnelle. Donald Trump lançait sa campagne présidentielle à la même époque. Son avocat, Michael Cohen, faisait la une des médias à cause de ses méthodes lors des interviews. Il monopolisait déjà les résultats de recherche, donc je savais que je n’apparaîtrais jamais en première page Google avec mon nom. »

Il a alors pensé à Batman.

Mike : « Je n’ai pas grandi avec les comics. Mais à 19 ans, j’ai lu Batman : Un long Halloween, et ça a tout changé. J’ai tout de suite aimé le contraste entre Batman, Superman et Wonder Woman, et la façon dont leurs personnalités s’équilibrent. Superman et Wonder Woman se déguisent en humains pour s’intégrer. Mais Batman ? Bruce Wayne est le déguisement. L’humain est le masque, pas le héros. Et Batman était l’un des tout premiers grands détectives. DC Comics signifie littéralement Detective Comics. Je me suis dit : je suis un peu comme un détective. Essayons. »

Huit ans et demi plus tard, le surnom est resté.

ChatGPT existe depuis sept mois. Qu’est-ce qui a vraiment changé ?

Amrit : « On est en juin 2023, sept mois après le lancement de ChatGPT en novembre 2022. Est-ce que le sourcing et le recrutement ont vraiment évolué ? »

Mike : « Question complexe. GPT existe depuis des années comme modèle de langage pour les développeurs. Mais je vais me concentrer sur ChatGPT, le site où l’on interagit via une interface de chat. Est-ce que ça a changé quelque chose ? Oui. Mais c’est plus un changement de paradigme qu’un changement tactique. »

Il décrit deux évolutions immédiates dans la pratique.

La première est évidente : la rédaction de fiches de poste, de messages candidats, et de mails d’approche. Au lieu de partir de zéro, les recruteurs génèrent un premier jet, puis l’éditent.

Mike : « Au-delà de la transformation du recrutement, cela a surtout permis aux gens de réaliser ce que la technologie peut vraiment faire. Les gens se disent : ‘J’ai juste tapé une consigne, et ça m’a généré une fiche de poste pour un ingénieur chimiste au Minnesota qui sonne crédible ?’ Et honnêtement, oui, c’est possible. »

Le deuxième usage est bien plus intéressant.

Voici l’usage dont personne ne parle

Mike : « Je trouve que ChatGPT est un agrégateur et un synthétiseur de données remarquable. Et je n’entends pas assez de gens en parler. »

Il décrit le flux de travail qu’il a mis en place avec ChatGPT et Clay, une plateforme de tableur enrichie en données et en API.

Mike : « Dans Clay, j’ai une colonne pour suivre l’actualité des entreprises. Ensuite, j’ai des colonnes séparées pour les publications LinkedIn et le résumé LinkedIn du candidat. J’ajoute aussi des infos clés : nom, entreprise actuelle, poste, localisation, ancienneté. Ça fait quatre sources d’info à lire pour chaque personne. Même si vous lisez vite, il faudrait près de deux heures pour traiter les données de 100 personnes. Et ça, avant même de résumer ou de rédiger un mail personnalisé à chacun. »

ChatGPT lit tout et rédige un mail personnalisé pour chaque candidat, en citant ses publications récentes, les actualités de son entreprise et son parcours.

Mike : « Il génère un mail d’approche qui ne me ressemble pas forcément, ce n’est pas mon style habituel. Mais je n’ai plus à passer deux heures à tout lire. Tout est là, il me suffit de dix minutes pour reformuler à ma façon. »

Amrit : « Donc vous passez d’un travail de trois heures à dix minutes ? »

Mike : « Exactement. »

D’accord, mais est-ce que ça marche vraiment ? Quels sont les chiffres ?

Amrit veut des preuves, pas seulement de la théorie : il demande les taux de réponse.

Mike : « J’utilise cette méthode pour chaque premier mail de mes séquences clients depuis trois mois. Un de mes clients est une entreprise SaaS sécurité à New York. Chaque premier mail pour chaque poste est ultra personnalisé, rédigé par ChatGPT puis adapté par moi. »

Il partage ses chiffres en direct.

Mike : « Quatre postes différents. Deux cadres dirigeants, deux non-cadres. Le taux de réponse global sur la séquence est de 51,14 %. C’est du cold outreach. »

Amrit : « Et avant ? »

Mike : « Notre moyenne sur toute la séquence était juste en dessous de 30 %. Mais pour les premiers mails précisément : le poste de directeur des affaires publiques (cadre dirigeant, recrutement difficile) a eu 36 % de réponses. Le premier mail pour le VP Sales : 19 %. Pour le VP Professional Services : 25,5 %. »

Pour comparer, ses anciens taux sur des postes similaires sans cette méthode étaient : 7 % pour un poste d’ingénieur full stack, 9 % pour un chef de produit.

Amrit : « Vous avez plus que triplé le taux de réponse au premier mail. »

Mike : « C’est ça. Et avant, il fallait faire du sur-mesure, impossible à grande échelle. On ne pouvait pas faire ça pour 200 personnes par jour, faute de temps. Maintenant, c’est possible. »

Pour référence, la moyenne sectorielle pour les campagnes de sourcing est d’environ 19,6 % sur toute la séquence (Ashby Talent Trends Report, 2024). Le premier mail de Mike dépasse la moyenne complète de nombreuses équipes.

Mais c’est quoi, l’IA, au fond ? Tout le monde utilise ce mot à tort et à travers.

Amrit pose la question que ses clients répètent : avec tous les outils de recrutement qui se disent « IA », comment distinguer le vrai du marketing ?

Mike : « Les avis divergent, mais une chose est claire : la plupart des plateformes de recrutement qui se disent IA ne reposent pas sur une véritable intelligence artificielle. En réalité, ce sont des systèmes de machine learning avancés qui apprennent des réponses oui/non et s’améliorent avec le temps. Ce n’est pas de l’IA à proprement parler. La technologie reste impressionnante, je ne le nie pas. Mais dès que j’entends ‘IA’, j’ai l’impression qu’on utilise le terme plus pour le buzz que pour la réalité. »

Il propose une mise en perspective plus concrète.

Mike : « Google utilise l’IA à chaque recherche, sans que vous le sachiez. LinkedIn a sa propre IA. Quand vous tapez ‘ingénieur logiciel’, il propose aussi ‘développeur logiciel’ car il a appris l’association. Ce n’est pas une erreur, c’est l’algorithme. L’usage de l’IA est souvent exagéré. Quand on me dit ‘il nous faut de l’IA’, je demande : pourquoi ? Quel problème métier voulez-vous résoudre ? Ensuite, on voit si l’IA est la bonne solution. On n’adopte pas l’IA pour chercher un cas d’usage après. C’est l’inverse. »

Amrit : « Je dis ça à mes clients aussi. Pour certains problèmes, l’IA n’est pas nécessaire car il n’y a pas de vrai besoin. Mais comme c’est la tendance, tout le monde veut en être et courir après la nouveauté. »

Mike : « C’est humain. On ne peut pas lutter contre ça. »

L’IA va-t-elle coûter leur emploi aux recruteurs ? Soyez honnête.

Amrit pose la question que beaucoup n’osent pas aborder.

Mike : « Oui. »

Un silence.

Mike : « Réponse qui fait peur, mais écoutez-moi. Oui, comme toute innovation qui détruit et crée des emplois, depuis la Révolution agricole jusqu’à la Révolution industrielle. À chaque fois, des emplois disparaissent, d’autres apparaissent. »

Mais sa réponse est plus nuancée.

Mike : « Pensez-vous qu’une grande partie des gens pourraient perdre leur emploi ? Pas tout le monde, mais 95 à 99 % ? Honnêtement, je ne pense pas. Notre métier repose sur le jugement humain, la compréhension du terrain, l’expérience. On passe des années à étudier des profils, rencontrer des gens, échanger dans le secteur. On développe des instincts et des réflexes difficiles à expliquer, et encore plus à transmettre à une IA. »

Il précise qui est le plus exposé.

Mike : « Si votre travail se limite à envoyer des messages, rédiger des fiches de poste et planifier des entretiens – alors oui, peut-être. Un poste de coordinateur recrutement, selon le périmètre, pourrait être remplacé. Donc la vraie question, c’est : que faites-vous pour différencier vos compétences de ce qu’un ordinateur peut faire ? Si vous n’avez pas la réponse, il est temps d’y réfléchir. »

Que vous diriez-vous si vous débutiez en 2023 ?

Mike a commencé le recrutement à 21 ans. Amrit lui demande : s’il débutait aujourd’hui, que ferait-il différemment ?

Mike : « Apprenez à coder. Tout simplement. »

Il ne cherche pas à embellir.

Mike : « On passe des heures à faire des tâches d’une certaine façon juste parce qu’on a toujours fait comme ça. Pourtant, beaucoup de ces tâches répétitives pourraient être automatisées avec quelques scripts simples. Je ne sais pas coder, donc j’utilise ChatGPT pour ça. Si j’avais investi plus tôt, ce serait bien plus pratique. »

Amrit : « Je viens d’un parcours technique, mais j’utilise aussi ChatGPT pour m’aider à coder. Ça fait gagner du temps, et franchement, ça simplifie tout. »

Mike : « Parfait. Donc ça marche dans les deux sens. J’ai l’impression que vos besoins sont plus avancés que les miens. »

Amrit : « Un peu. »

Comment gérez-vous le problème des biais dans l’IA ?

Amrit aborde le sujet incontournable de l’IA dans le recrutement : les outils véhiculent des biais. Quelle est la méthode de Mike ?

Mike : « Beaucoup ont raison de pointer le biais dans l’IA. Il existe, c’est un biais inconscient, car il est écrit par des humains, eux-mêmes porteurs de biais. Mais ma question en retour : que faites-vous contre votre propre biais inconscient ? Si vous vous souciez vraiment du biais de l’outil, j’imagine que vous travaillez aussi sur le vôtre. Alors, appliquez la même rigueur. »

Ses deux règles pour gérer les biais de l’IA

Sa méthode repose sur deux principes.

Mike : « Premièrement : ne prenez jamais le résultat de ChatGPT tel quel. Prenez la fiche de poste générée, relisez-la, faites-la relire, passez-la dans un outil comme Textio ou autre qui analyse les biais et la lisibilité. Ne considérez jamais la sortie comme une vérité absolue. »

Mike : « Deuxièmement : gardez en tête qu’aucun système n’est totalement neutre. ChatGPT n’échappe pas à la règle, il reflète des biais inconscients à sa manière. Ce n’est pas la source ultime du biais, juste un exemple de plus. Les organisations doivent traiter le sujet de façon structurée et continue. On ne règle pas le problème en disant juste ‘je n’aime pas, donc je n’utilise pas’. »

Il pousse la comparaison plus loin.

Mike : « Si vous éliminez ChatGPT et qu’un humain rédige seul la fiche de poste, que faites-vous contre le biais inconscient ? Si la réponse est ‘rien’, qu’est-ce qui différencie vraiment les deux ? Avec ChatGPT, c’est le biais d’un autre. Avec un humain, c’est le vôtre. Le processus doit être aussi rigoureux dans les deux cas. »

Et une dernière chose – ne faites pas confiance à ChatGPT pour les maths.

Avant de conclure, Mike prévient.

Mike : « Petite remarque : ne faites pas confiance à ChatGPT pour les calculs. Ça paraît étrange, car il peut écrire du JavaScript, expliquer les moyennes mobiles, et vulgariser à peu près tout. Mais demandez-lui d’additionner deux nombres et d’en extraire la racine carrée, il y a une chance sur deux qu’il se trompe. »

Amrit : « Je lui ai demandé de diviser six par trois, il m’a répondu quatre. »

Mike : « Logique, non ? C’est un modèle de langage, pas une calculatrice. Il apprend à partir de contenus publics sur Internet, et honnêtement, beaucoup de gens en ligne ne sont pas doués en maths non plus. Le modèle reproduit donc aussi ces erreurs. »

À quoi ressemble votre stack technologique au quotidien ?

Amrit termine par la question que tous les recruteurs se posent : quels outils Mike utilise-t-il vraiment chaque jour ?

Mike cite 16 plateformes auxquelles il a un accès entreprise complet, pas seulement des extensions Chrome :

Amazing Hiring, Chatter Works, Clay, Crunchbase Pro, Entello, Exact Buyer, HireEZ, Heartbeat, Horsefly, Human Predictions, Lead411, LinkedIn Recruiter, Loxo, Recruit'em, SeekOut, ZoomInfo Recruiter et Perfect.

À la question évidente : est-ce que tous ces outils remontent les mêmes candidats ?

Mike : « Quand vous cherchez les mêmes profils sur LinkedIn Recruiter et SeekOut, à quel taux de recoupement vous attendez-vous ? »

Amrit : « Peut-être 60 % ? »

Mike : « Honnêtement, je n’ai jamais vu le recoupement dépasser 40 % en toutes ces années. La plupart du temps, c’est moins de 10 %. Et même en ajoutant une troisième plateforme, ça ne monte presque pas. »

Pour lui, ce n’est pas la base de données qui compte, mais la façon de l’explorer.

Mike : « HireEZ est très axé IA, avec des algorithmes en arrière-plan. SeekOut offre les capacités booléennes les plus poussées. LinkedIn Recruiter utilise sa propre IA pour associer ce qu’il pense que vous cherchez à votre requête réelle. On obtient donc des listes très différentes. J’utilise volontairement un large éventail d’outils pour dénicher les profils que les autres ne trouvent pas. »

Ses outils préférés

Son favori ? SeekOut.

Mike : « Pour ses capacités booléennes avancées. J’adore le booléen, j’aime contrôler ma recherche et savoir exactement ce que je vais obtenir. Aucun autre outil ne fait ça aussi bien. »

Pour l’automatisation des emails, il utilise SourceWhale, pour les coordonnées Swordfish, et pour le screening des candidats Honeit ou SmartRank.

Mike : « Honeit aide les recruteurs à soumettre des profils plus riches et authentiques en capturant le comportement lors des entretiens téléphoniques. SmartRank, lui, permet aux candidats de s’auto-évaluer en trois minutes au lieu d’un entretien de 30 minutes. Les candidats peuvent ainsi découvrir le poste à leur rythme et décider s’il leur correspond avant d’aller plus loin. »

À propos de Mike Cohen

Mike Cohen a fondé Wayne Technologies et s’est lancé dans le recrutement en agence à 21 ans. Au fil des années, il a acquis une solide expertise en sourcing et dirige depuis six ans sa propre structure, accompagnant des entreprises de tous secteurs dans leur recherche de talents. Il dispose d’un accès entreprise à 16 plateformes de sourcing et partage régulièrement ses analyses sur la technologie de recrutement, l’IA et les workflows de recrutement.

Grâce à son approche pragmatique de l’IA dans l’acquisition de talents, il est considéré comme l’une des voix les plus ancrées dans la réalité du secteur. En ligne, beaucoup le connaissent aussi sous le nom de Batman Recruiter.