{"id":45234,"date":"2025-09-25T14:19:19","date_gmt":"2025-09-25T12:19:19","guid":{"rendered":"https:\/\/www.gereso.com\/actualites\/?p=45234"},"modified":"2025-10-06T09:46:20","modified_gmt":"2025-10-06T07:46:20","slug":"ia-accelerateur-inclusion-ou-inegalites","status":"publish","type":"post","link":"https:\/\/www.gereso.com\/actualites\/2025\/09\/25\/ia-accelerateur-inclusion-ou-inegalites\/","title":{"rendered":"L\u2019IA : acc\u00e9l\u00e9rateur d\u2019inclusion ou g\u00e9n\u00e9rateur d\u2019in\u00e9galit\u00e9s ?"},"content":{"rendered":"\n

L\u2019IA, miroir grossissant de nos comportements<\/strong><\/H2>\n\n\n\n

Des biais humains bien connus<\/strong><\/H3>\n\n\n\n

Comme le soulignent les travaux de Daniel Kahneman (ouvrage Syst\u00e8me 1 \/ Syst\u00e8me 2  : Les deux vitesses de la pens\u00e9e), nous savons que nos d\u00e9cisions sont influenc\u00e9es par des raccourcis mentaux<\/strong>. Le biais de confirmation<\/strong> nous pousse \u00e0 privil\u00e9gier ce qui conforte nos croyances. L\u2019effet de halo<\/strong> agit comme une loupe  : une caract\u00e9ristique ou un \u00e9v\u00e9nement prend toute la place et influence notre perception globale de la personne. Les st\u00e9r\u00e9otypes de genre <\/strong>nous font associer inconsciemment certaines comp\u00e9tences aux hommes (leadership, assertivit\u00e9) et d\u2019autres aux femmes (\u00e9coute, organisation).<\/p>\n\n\n\n

Ces biais impactent directement le recrutement et le management. Une \u00e9tude<\/mark><\/a> am\u00e9ricaine c\u00e9l\u00e8bre a montr\u00e9 qu\u2019un CV identique re\u00e7oit plus de r\u00e9ponses quand il est sign\u00e9 d\u2019un pr\u00e9nom masculin plut\u00f4t que f\u00e9minin. Dans une autre<\/mark><\/a>, des feedbacks adress\u00e9s \u00e0 des femmes portaient davantage sur leur personnalit\u00e9, alors que ceux destin\u00e9s aux hommes concernaient leurs r\u00e9sultats.<\/p>\n\n\n\n

\u00a0\u2026 qui se propagent dans les algorithmes<\/strong><\/H3>\n\n\n\n

L\u2019IA apprend \u00e0 partir de donn\u00e9es pass\u00e9es<\/strong>. Or ces donn\u00e9es refl\u00e8tent nos biais et les in\u00e9galit\u00e9s syst\u00e9miques persistantes. R\u00e9sultat : les algorithmes ne corrigent pas les biais, ils les reproduisent.<\/strong><\/p>\n\n\n\n

Amazon<\/strong> en a fait les frais avec son IA de recrutement, qui d\u00e9favorisait syst\u00e9matiquement les candidatures f\u00e9minines, car les donn\u00e9es historiques trait\u00e9es par l\u2019IA incluaient des biais de genre en d\u00e9faveur des femmes. Le MIT<\/strong> a d\u00e9montr\u00e9 que les logiciels de reconnaissance faciale sont bien moins fiables pour les femmes noires que pour les hommes blancs, soulignant ici les enjeux d\u2019intersectionnalit\u00e9. Et des outils g\u00e9n\u00e9ratifs comme Grok ou MidJourney ont r\u00e9cemment \u00e9t\u00e9 point\u00e9s du doigt pour reproduire sexisme et st\u00e9r\u00e9otypes culturels. La chanteuse Taylor Swift <\/strong>en a \u00e9t\u00e9 victime<\/mark><\/a>, avec le partage sur l\u2019IA d\u2019Elon Musk, Grok Imagine, de photos d\u2019elle topless g\u00e9n\u00e9r\u00e9es gr\u00e2ce \u00e0 l\u2019option \u00ab Spicy \u00bb propos\u00e9 par l\u2019IA.<\/p>\n\n\n\n

GPT-4, selon une \u00e9tude<\/mark><\/a> publi\u00e9e en 2024, a pu d\u00e9favoriser des candidatures mentionnant un handicap, \u00e0 comp\u00e9tences \u00e9gales. Loin d\u2019\u00eatre anecdotiques, ces biais peuvent compromettre directement les politiques DEI des entreprises.<\/p>\n\n\n\n

IA et QVCT : entre risques et opportunit\u00e9s<\/strong><\/H2>\n\n\n\n

La QVCT est directement concern\u00e9e par l\u2019usage de l\u2019IA. Si un collaborateur estime qu\u2019un outil de scoring le juge de mani\u00e8re opaque ou injuste, c\u2019est tout son sentiment d\u2019\u00e9quit\u00e9 organisationnelle qui vacille. Cela peut g\u00e9n\u00e9rer stress, d\u00e9motivation et perte d\u2019engagement.<\/p>\n\n\n\n

Prenons l\u2019exemple des outils de pr\u00e9diction de performance. Si l\u2019algorithme se fonde sur des donn\u00e9es historiques biais\u00e9es \u2014 o\u00f9 les promotions \u00e9taient majoritairement accord\u00e9es aux hommes dipl\u00f4m\u00e9s de grandes \u00e9coles \u2014 il risque de reproduire ce sch\u00e9ma et de p\u00e9naliser les profils issus de la diversit\u00e9 ou de la reconversion<\/strong>. IBM <\/strong>a ainsi constat\u00e9 que certains de ses premiers outils RH pouvaient reproduire des in\u00e9galit\u00e9s historiques, en valorisant davantage les profils masculins issus de grandes \u00e9coles. Ce constat a conduit l\u2019entreprise \u00e0 cr\u00e9er des outils d\u2019audit des biais,<\/strong> comme AI Fairness 360, afin de corriger ces d\u00e9rives.<\/p>\n\n\n\n

Mais l\u2019IA peut aussi \u00eatre un formidable levier de QVCT<\/strong> quand elle est utilis\u00e9e de mani\u00e8re responsable. Des entreprises du CAC 40 utilisent d\u00e9j\u00e0 des solutions comme Leena AI ou Workday Peakon pour analyser en temps r\u00e9el des enqu\u00eates anonymes et d\u00e9tecter les signaux faibles du mal-\u00eatre : hausse du stress, sentiment d\u2019exclusion, baisse de l\u2019engagement. Les managers peuvent ainsi intervenir plus vite, avant que la situation ne se d\u00e9grade, et personnaliser leurs actions.<\/p>\n\n\n\n

IA et politiques DEI : entre acc\u00e9l\u00e9ration et frein<\/strong><\/H2>\n\n\n\n

Dans le recrutement, l\u2019IA peut \u00eatre un acc\u00e9l\u00e9rateur d\u2019inclusion<\/strong>. Unilever<\/strong> a int\u00e9gr\u00e9 un syst\u00e8me d\u2019IA capable d\u2019analyser des entretiens vid\u00e9o sur des crit\u00e8res li\u00e9s aux comp\u00e9tences et \u00e0 la communication, tout en minimisant l\u2019influence de l\u2019apparence, du nom ou de l\u2019accent. R\u00e9sultat : un temps de traitement r\u00e9duit de 75 % et une diversit\u00e9 accrue dans les candidatures retenues. <\/p>\n\n\n\n

Le g\u00e9ant tech LinkedIn <\/strong>a lui constat\u00e9 que ses algorithmes de recommandation de jobs orientaient davantage les hommes vers des postes techniques et les femmes vers des fonctions support. Pour corriger ce biais, la plateforme a ajust\u00e9 ses mod\u00e8les de matching afin de neutraliser les termes genr\u00e9s et d\u2019assurer une visibilit\u00e9 plus \u00e9quilibr\u00e9e des offres entre candidats masculins et f\u00e9minins.<\/p>\n\n\n\n

IBM, <\/strong>de son c\u00f4t\u00e9, a d\u00e9velopp\u00e9 la plateforme YourLearning, qui recommande des parcours de formation personnalis\u00e9s \u00e0 chaque collaborateur. L\u2019objectif est clair  : \u00e9viter que seuls les plus visibles ou les mieux connect\u00e9s aient acc\u00e8s aux meilleures opportunit\u00e9s. Chacun peut ainsi progresser selon ses aspirations, ses comp\u00e9tences et ses disponibilit\u00e9s, dans une logique plus \u00e9quitable.<\/p>\n\n\n\n

Mais \u00e0 l\u2019inverse, des IA mal calibr\u00e9es peuvent saboter les efforts Diversit\u00e9-\u00c9galit\u00e9-Inclusion (DEI)<\/strong>. Un algorithme de tri de CV form\u00e9 sur des donn\u00e9es biais\u00e9es risque d\u2019\u00e9carter les candidats ayant un pr\u00e9nom per\u00e7u comme \u00e9tranger ou une trajectoire atypique. Pire encore, l\u2019opacit\u00e9 de certains outils \u00e9rode la confiance. HireVue,<\/strong> qui utilise l\u2019analyse vid\u00e9o pour \u00e9valuer les candidats, a \u00e9t\u00e9 critiqu\u00e9 pour le manque de transparence de ses crit\u00e8res. Les candidats \u00e9cart\u00e9s sans explication claire vivent cette exp\u00e9rience comme une injustice, ce qui ternit la marque employeur.<\/p>\n\n\n\n

5 r\u00e8gles pour une IA inclusive et responsable<\/strong><\/H2>\n\n\n\n

Face \u00e0 ces enjeux, certaines entreprises montrent la voie. Cinq pratiques se d\u00e9gagent pour concilier innovation, QVCT et inclusion.<\/p>\n\n\n\n

1. Instaurer une gouvernance claire\u00a0<\/strong><\/H3>\n\n\n\n

Les entreprises peuvent mettre en place une charte IA interne, \u00e0 l\u2019image d\u2019Orange<\/strong>, qui d\u00e9finit les principes \u00e9thiques de l\u2019usage de l\u2019IA. Cette d\u00e9marche peut \u00eatre compl\u00e9t\u00e9e par un comit\u00e9 de suivi pluridisciplinaire (RH, juristes, data scientists, managers, repr\u00e9sentants du personnel) charg\u00e9 d\u2019\u00e9valuer r\u00e9guli\u00e8rement les projets IA. Ce dispositif garantit que l\u2019IA ne soit pas d\u00e9ploy\u00e9e uniquement sous l\u2019angle technologique mais qu\u2019elle reste align\u00e9e avec la culture et les valeurs de l\u2019organisation.<\/p>\n\n\n\n

2. Garder l\u2019humain dans la boucle (human in the loop<\/em>)<\/strong><\/H3>\n\n\n\n

Il est essentiel de s\u2019assurer que les outils d\u2019IA ne prennent jamais de d\u00e9cisions finales de mani\u00e8re automatique dans les processus sensibles comme le recrutement, la promotion ou l\u2019\u00e9valuation. Certains grands groupes exigent ainsi que toute recommandation d\u2019IA (matching de CV, scoring de performance) soit valid\u00e9e et justifi\u00e9e par un manager. Dans cette approche, l\u2019IA apporte un appui analytique mais la responsabilit\u00e9 de la d\u00e9cision reste humaine.<\/p>\n\n\n\n

3. Auditer r\u00e9guli\u00e8rement les algorithmes<\/strong><\/H3>\n\n\n\n

Les organisations doivent pratiquer des tests de non-discrimination afin de v\u00e9rifier que leurs outils n\u2019introduisent pas de biais syst\u00e9miques (via les testings, par exemple). Ainsi, Unilever<\/strong> audite chaque ann\u00e9e ses algorithmes de recrutement pour s\u2019assurer qu\u2019ils ne d\u00e9favorisent pas certains groupes (genre, origine, parcours atypiques). Ces audits permettent de d\u00e9tecter des distorsions, comme le fait que des CV issus de certaines universit\u00e9s ou portant certains pr\u00e9noms soient syst\u00e9matiquement moins bien not\u00e9s.<\/p>\n\n\n\n

4. Utiliser l\u2019IA comme outil d\u2019augmentation, pas de substitution<\/strong><\/H3>\n\n\n\n

Chez Praxis Labs,<\/strong> la combinaison de r\u00e9alit\u00e9 virtuelle et d\u2019IA sert \u00e0 plonger les managers dans des simulations de conversations difficiles (feedback sensible, biais en r\u00e9union). L\u2019IA fournit un entra\u00eenement immersif, mais n\u2019\u00e9value pas \u00e0 la place du manager  : elle pr\u00e9pare et outille pour mieux agir ensuite dans la r\u00e9alit\u00e9. De la m\u00eame mani\u00e8re, des assistants RH comme Leena AI peuvent aider \u00e0 d\u00e9tecter des signaux faibles de mal-\u00eatre, mais c\u2019est au manager d\u2019engager ensuite le dialogue.<\/p>\n\n\n\n

5. Assurer transparence et redevabilit\u00e9<\/strong><\/H3>\n\n\n\n

IBM <\/strong>publie en interne un rapport trimestriel sur l\u2019usage de l\u2019IA dans le d\u00e9veloppement des talents, avec des chiffres mais aussi des t\u00e9moignages de collaborateurs. Cette transparence permet d\u2019expliquer pourquoi et comment l\u2019IA est utilis\u00e9e, de renforcer la confiance et d\u2019\u00e9viter l\u2019effet \u201cbo\u00eete noire\u201d. Dans la m\u00eame logique, certaines start-up RH partagent ouvertement leurs m\u00e9thodes de calibration des algorithmes pour permettre aux entreprises clientes de comprendre les limites et marges d\u2019erreur.<\/p>\n\n\n\n

\n
\n

Votre formation sur ce th\u00e8me<\/h3>\n

 L’IA AU SERVICE DE LA FONCTION RH <\/h2>\n

2 jours – En pr\u00e9sentiel ou \u00e0 distance<\/h4>\n