Réglementation en pratiqueL'AI Act en RH ne commence pas par les logiciels, mais par la prise de décision
Au sein de nombreuses équipes RH, l'AI Act européen est abordé comme un dossier purement technologique. Dans la pratique, il est pourtant moins question d'outils que de la façon dont les recommandations influencent concrètement les décisions concernant les personnes.
Björn Slegers ·
L'intelligence artificielle dans les ressources humaines est entrée dans une nouvelle phase. Alors que les discussions portaient d'abord sur l'expérimentation, les gains de productivité et les cas d'usage pratiques, l'attention se porte désormais sur la responsabilité. L'AI Act européen accélère cette transition. Non pas parce que chaque département RH doit soudainement se muer en expert juridique, mais parce qu'il apparaît clairement que la technologie appliquée aux processus RH ne se résume jamais à un simple choix informatique.
Dans de nombreuses organisations, la réaction initiale est prévisible. On dresse un inventaire des outils, on engage le dialogue avec les fournisseurs et l'on élabore éventuellement un modèle d'évaluation des risques. Cette démarche est compréhensible, mais elle n'aborde qu'une partie de la réalité. La question déterminante se limite rarement aux logiciels utilisés. Il s'agit plutôt de savoir où et comment les recommandations, les scores ou les textes générés pèsent sur les décisions qui touchent les personnes.
C'est précisément là que l'IA en RH est le plus souvent sous-estimée. Non pas dans des cas d'usage spectaculaires, mais dans les micro-accélérations du quotidien. Une offre d'emploi optimisée automatiquement, un premier classement de candidats, une synthèse d'entretiens d'évaluation, une suggestion de mobilité interne ou une prédiction des départs. Sur le papier, l'humain reste le décideur. Dans les faits, le jugement bascule souvent bien en amont, au profit du système qui fournit la première interprétation.
Cela rend l'AI Act pertinent, y compris pour les organisations qui estiment faire encore peu d'usage de l'IA. En effet, le débat ne se limite pas aux décisions entièrement automatisées. Il concerne également l'ampleur avec laquelle une recommandation oriente le jugement humain, la transparence avec laquelle elle intervient et la capacité réelle d'un individu à s'en écarter. Se contenter de vérifier si un bouton est formellement activé par un manager, c'est passer à côté du véritable risque.
Dès lors, la première question mature n'est pas de savoir si un outil est autorisé, mais dans quel processus il intervient. Viennent ensuite les interrogations pratiques fondamentales: quelles données alimentent le modèle, à quelle fin, dans quel contexte, et qui en évalue les résultats? Que reste-t-il de visible pour le collaborateur ou le candidat, que reste-t-il de contestable pour le manager, et que peut-on encore expliquer a posteriori si une justification est requise?
Dans les RH, les difficultés majeures résultent rarement de mauvaises intentions délibérées. Elles naissent plutôt d'une efficacité sans friction. Un manager reçoit une liste restreinte de candidats qui semble plausible et la valide sous la pression du temps. Un recruteur reprend une synthèse générée automatiquement parce qu'elle paraît professionnelle. Un responsable prend un score comme point de départ et finit par en faire sa conclusion. Formellement, le contrôle humain subsiste. Matériellement, la décision est déjà biaisée. Les données et l'IA signalent; les humains décident.
Cela signifie aussi que l'acculturation à l'IA en RH va bien au-delà d'une formation ponctuelle sur les prompts ou sur les politiques internes. Il s'agit d'une compréhension partagée des limites d'une recommandation. Les RH, le management, les achats, le service juridique et, le cas échéant, le conseil d'entreprise ou les partenaires sociaux doivent appréhender ce qu'un résultat indique, mais aussi ce qu'il ne dit pas. Il n'est pas nécessaire que chacun sache concevoir le modèle, mais toute personne qui agit sur la base de ses résultats doit pouvoir en identifier les incertitudes.
Une bonne gouvernance ne commence donc pas avec le modèle, mais avec la cartographie des processus. À quelles étapes du recrutement, de l'évaluation, de la planification, de la mobilité ou de la gestion de l'absentéisme l'IA oriente-t-elle une décision? Quand la rapidité est-elle bénéfique, et quand détruit-elle la nuance nécessaire? À quels moments s'écarter d'une recommandation relève-t-il non pas d'une inefficacité, mais d'un acte professionnel responsable? De tels arbitrages relèvent de la conception organisationnelle, et non de la simple configuration technique.
C'est là que réside une vérité délicate pour les conseils d'administration et les comités de direction. Un fournisseur peut fournir de la documentation, expliciter les catégories de risque et décrire des mesures techniques. En revanche, il ne peut en aucun cas définir le cadre d'évaluation légitime au sein de votre propre organisation. Cette responsabilité demeure strictement interne. Ce qui constitue une performance satisfaisante, une comparabilité équitable, un suivi proportionné ou une marge d'erreur acceptable ne relève pas de paramètres logiciels, mais de choix de gouvernance.
Pour le leadership, cela implique un changement de perspective. Non pas au détriment de l'innovation, mais en abandonnant l'illusion selon laquelle la cohérence systématique garantit la qualité. Dans les processus humains, une décision entièrement lissée s'avère rarement pertinente. Les dirigeants avisés préservent délibérément un espace pour la contestabilité, pour la possibilité de déroger de manière motivée à une recommandation et pour un second regard lorsque le contexte l'exige. Cette démarche peut sembler plus lente, mais elle renforce la qualité du discernement.
Ce constat rejoint également le débat plus large autour des données RH. Beaucoup d'organisations souhaitent déployer l'IA alors même que les définitions, la gouvernance et l'origine de leurs données demeurent floues. La rapidité est alors acquise au prix d'une fausse certitude. De surcroît, le simple fait de connecter davantage de données ne constitue pas une réponse en soi. Si des hypothèses fragiles circulent à travers un plus grand nombre de systèmes, elles ne font que changer d'échelle. La question n'est donc pas seulement de savoir si les données sont disponibles, mais si l'organisation comprend ce qu'elles représentent et l'usage pour lequel elles sont ou non appropriées.
Au cours des prochaines années, les organisations les plus matures ne seront pas nécessairement celles disposant de la charte IA la plus exhaustive ou du plus grand nombre de projets pilotes. La différence se mesurera à la qualité de leur prise de décision. Seront-elles capables d'expliquer comment une recommandation a été exploitée, qui a porté la responsabilité de l'arbitrage et de quelle manière un collaborateur ou un candidat peut contester une décision? Cet enjeu dépasse la simple conformité réglementaire ou les exigences de supervision: il constitue le fondement même de la confiance interne.
En ce sens, l'AI Act constitue moins un audit technologique qu'un test de maturité pour les RH et la direction. Réduire l'IA à une gestion de logiciels revient à subir les évolutions. Utiliser l'IA comme une opportunité pour clarifier les processus, les responsabilités et les pouvoirs décisionnels permet de gagner bien plus que de la vitesse. Cela permet non seulement de réduire les risques, mais aussi d'élever la qualité des interactions humaines au sein des organisations. C'est précisément là que le débat doit avoir lieu.
Comment Almuruna One aborde l'IA et l'AI Act