L'IA est utilisée dans Xobin pour l'évaluation des entretiens, la synthèse des réponses et les recommandations de candidats. Chacune de ces surfaces a un mode de défaillance différent : un modèle d'évaluation peut dériver, un synthétiseur peut déformer, et un recommandateur peut amplifier des motifs déjà présents dans les données historiques d'embauche. Nous considérons chaque surface comme une cible d'audit distincte plutôt qu'une seule boîte noire "IA", et documentons les risques spécifiques qui s'appliquent.
Chaque entretien noté par AI est auditable sur trois propriétés : accord avec des évaluateurs humains aveugles, stabilité dans le temps et parité démographique entre les groupes de candidats définis pour le déploiement. Les audits sont réalisés sur des échantillons de candidats en rotation afin que le système ne puisse pas silencieusement s'adapter à une référence fixe, et l'accord entre évaluateurs entre l'AI et les évaluateurs humains est rapporté avec les mêmes statistiques que nous utiliserions pour comparer deux humains.
Un score IA n'est jamais le seul signal qu'une équipe de recrutement voit, et il peut toujours être annulé. Lorsque la distribution des scores du modèle change ou que son accord avec les évaluateurs humains diminue, une porte de re-validation est déclenchée avant qu'il ne continue en production et les clients concernés sont informés dans le cadre de cette porte, et non après. Le rapport transparent de l'IA est le point : les clients peuvent voir ce que le modèle a fait, sur quel échantillon, et avec quelle confiance.
Chaque entretien AI que Xobin réalise est soumis à la norme d'audit décrite sur cette page. Les équipes qui souhaitent la même rigueur dans leur propre recrutement peuvent l'utiliser directement via Xobin.
La méthodologie décrite ici est ce qui fonctionne à l'intérieur de chaque évaluation Xobin et entretien d'IA, afin que les équipes de recrutement puissent prendre des décisions sur les talents sur la base de preuves, et non d'instinct. Voir Xobin.