Un CV n’est pas une description de carrière. C’est un document rédigé dans un but précis : franchir une étape de tri dont l’auteur ignore les critères. Tout ce qui s’y trouve est là pour cette raison, et tout ce qui n’y est pas a été retiré pour la même.
C’est utile de s’en souvenir avant de confier ce document à une machine, parce que cela dit exactement ce qu’une lecture automatique peut apprendre — et ce qu’elle ne peut pas.
Ce que le CV dit vraiment
Il dit ce que le candidat croit que vous voulez entendre. C’est une information réelle, mais ce n’est pas celle qu’on lui prête.
Un CV mentionnant douze outils ne dit pas que la personne maîtrise douze outils. Il dit qu’elle a compris que les annonces de son secteur listent des outils, et elle a raison. Un intitulé de poste gonflé ne dit pas qu’elle a menti : il dit que les intitulés ne veulent rien dire d’une entreprise à l’autre, et qu’elle a traduit dans le vocabulaire attendu.
Un trou de dix-huit mois ne dit rien du tout. Il peut recouvrir une maladie, un congé parental, une reconversion, un burn-out, une entreprise créée qui n’a pas pris. La seule information disponible, c’est qu’il y a dix-huit mois — et un tri qui pénalise cette absence pénalise mécaniquement des situations protégées par la loi.
Ce qu’une lecture automatique fait bien
Le CV est un document mal structuré, et c’est précisément là que la machine est utile : elle sait le mettre en forme.
- Extraire et normaliser. Un PDF sur deux colonnes, un scan, un document exporté depuis un traitement de texte de 2009 — tout devient des expériences datées, des intitulés, des compétences nommées de la même façon d’un candidat à l’autre.
- Rendre la base cherchable. C’est le gain le plus sous-estimé : les candidatures reçues il y a huit mois pour un autre poste redeviennent trouvables. La plupart des entreprises recrutent à l’extérieur des profils qu’elles ont déjà en base.
- Rapprocher une offre et des profils. Non pas pour classer, mais pour proposer un ordre de lecture. Le recruteur lit toujours dans un ordre ; autant que ce soit un ordre choisi plutôt que celui de la date d’arrivée.
Ce qu’elle ne peut pas savoir
Aucune analyse de CV, quelle que soit la qualité du modèle, ne peut établir ce qui n’est pas dans le document. C’est une limite d’information, pas de technologie, et aucun progrès ne la lèvera.
Elle ne sait pas si les six mois passés sur un outil valent les trois ans d’un autre candidat qui ne l’a jamais utilisé seul. Elle ne sait pas si la personne veut encore faire ce métier. Elle ne sait pas si elle est disponible, mobile, ou en cours de signature ailleurs.
Ces choses-là s’obtiennent en une seule façon : en demandant. C’est pour cela que la lecture automatique de CV est une étape de préparation et non une étape de décision — elle organise la file, elle ne la coupe pas.
La règle qui découle de tout ça
Un système qui lit des CV doit produire un ordre de lecture, jamais un rejet.
La distinction paraît formelle ; elle est structurante. Un score qui écarte automatiquement en dessous d’un seuil transforme les biais du document en décisions, sans que personne n’ait vu le dossier. Un ordre de lecture, lui, laisse la file entière accessible : le recruteur commence par le haut, et rien ne l’empêche d’aller voir plus bas.
C’est aussi la position la plus solide en cas de contestation. « Nous avons lu tous les dossiers, dans cet ordre, et voici pourquoi nous avons retenu ceux-là » se défend. « L’outil les a écartés » ne se défend pas — et sous le règlement européen sur l’IA, qui classe le tri de candidatures parmi les usages à haut risque, cette réponse deviendra franchement inconfortable.
Le tri sur CV existera de toute façon : personne ne lit deux cents dossiers avec la même attention. La question n’est pas de le supprimer, mais de savoir qui le fait — l’outil, ou la personne qui devra en répondre.
