FAQ RH — Utiliser l'IA en ressources humaines en 2026 sans risque AI Act

Dans les PME et ETI, l’effet de l’IA sur l’emploi dépend des fonctions. Elle peut absorber la croissance sans embauche supplémentaire, libérer du temps sur des tâches à faible valeur ajoutée, et permettre de redéployer les équipes vers du conseil ou de la relation client. Les fonctions les plus impactées en volume : saisie comptable, support client niveau 1, qualification commerciale, rédaction de contenu standard. Les fonctions enrichies : conseil client, contrôle qualité, R&D, formation. La vraie question RH n’est pas “qui licencier” mais “comment redéfinir les rôles et former les équipes pour qu’elles restent pertinentes”.

Trois niveaux à prévoir. Sensibilisation générale (2-4 heures, tous collaborateurs) : ce qu’est un LLM, à quoi ça sert, ce qu’on peut envoyer ou pas, les bons usages quotidiens. Formation pratique métier (1-2 jours, par fonction) : prompt engineering appliqué à leur métier (commerciaux, marketing, RH, finance, support), avec leurs vrais cas. Formation avancée (3-5 jours, profils tech) : function calling, agents, evals, sécurité. Le budget dépend du nombre de personnes, des profils et du format. Les durées indiquées sont une estimation de l’auteur, sans engagement. Privilégiez la pratique sur la théorie.

L’AI Act classe les systèmes IA utilisés pour le recrutement, la sélection, ou l’évaluation des candidats en catégorie “à haut risque”. Cela impose des obligations strictes : documentation technique du système, traçabilité des décisions, supervision humaine effective (pas symbolique), évaluation de biais, information du candidat. Concrètement : si vous utilisez un outil IA qui pré-classe ou pré-sélectionne des CV, vous devez pouvoir expliquer comment il fonctionne, prouver qu’il n’a pas de biais discriminatoire, et garantir qu’un humain prend la décision finale. Évitez les outils “scoring opaque” — préférez des outils transparents qui expliquent leurs critères. Voir AI Act 2026.

Techniquement oui, légalement c’est encadré. Plusieurs précautions obligatoires. Anonymisation : enlevez nom, photo, adresse, âge avant tout envoi à un LLM. Critères explicites : définissez par écrit les critères de tri (compétences, expérience, formation), formulez le prompt en conséquence. Décision humaine effective : un recruteur lit chaque CV et prend la décision, l’IA n’est qu’une aide à la lecture. Information candidat : indiquez dans votre offre que vous utilisez de l’IA pour assister le tri. Pas de ChatGPT gratuit : si vous envoyez des CV, utilisez un fournisseur dont vous avez lu les conditions d’entraînement et de conservation, avec un DPA signé. Et documentez tout pour la conformité AI Act.

Quatre méthodes complémentaires. Time-tracking avant/après : sur 2-4 semaines, mesurez le temps passé sur la tâche cible avant déploiement IA, puis après. Différence en % = productivité brute gagnée. Volume traité par ETP : nombre de cas/dossiers/clients par collaborateur par mois, avant/après. Auto-déclaration encadrée : sondage trimestriel “combien de temps l’outil IA vous fait gagner par semaine”. Honnête mais subjectif. Indicateurs métier : taux de conversion, NPS client, taux d’erreur — l’IA bien déployée doit améliorer la qualité ET la quantité. Reportez les chiffres dans le bilan social et dans le pilotage financier mensuel.

Cinq sections incontournables. Outils autorisés : liste explicite (ChatGPT Enterprise, Claude, Mistral via…, outil interne X). Outils interdits : ChatGPT gratuit, Bard perso, etc. Données interdites en sortie : PII clients, données financières non publiques, code propriétaire critique, secrets, contrats en cours. Bonnes pratiques : citer ses sources, vérifier avant publication, ne pas se fier aveuglément. Process en cas d’incident : à qui signaler, comment gérer une fuite. La charte doit faire 2-4 pages max, être lue et signée par chaque collaborateur, et révisée annuellement.

D’abord clarifier le besoin. AI Officer / Lead IA : profil senior, mix tech + business, capable de cadrer la roadmap, choisir les vendors, piloter la conformité. Rare et très sollicité. Ingénieur IA / ML Engineer : profil tech, capable de développer agents et RAG, fine-tuner si besoin. Data scientist : plus orienté analyse et modèles classiques, moins LLM. Souvent pas le bon profil pour les agents IA modernes. Conseil : pour une PME, préférez d’abord un prestataire externe + un référent interne formé, plutôt qu’un recrutement de niche.

Dans beaucoup de PME, des collaborateurs utilisent ChatGPT ou équivalent en perso pour le travail, sans cadrage. Risques : fuite de données clients, non-conformité RGPD, doublons de licences. Trois leviers RH. Reconnaissance ouverte : sondage anonyme sur l’usage actuel, sans punir. Vous découvrirez l’ampleur réelle. Offre officielle : déployez un outil cadré (ChatGPT Enterprise, Claude PME, ou interface custom Mistral), gratuit pour les collaborateurs. Charte + formation : ce qui est OK, ce qui ne l’est pas, signature annuelle. Bloquer sans alternative est inefficace : les gens utiliseront leur smartphone.

Oui, c’est un cas d’usage RH pertinent. Un agent onboarding (chatbot RAG sur votre base interne) peut répondre 24/7 aux questions fréquentes des nouveaux : “où trouver tel formulaire”, “quelle est la procédure pour les notes de frais”, “comment fonctionne la mutuelle”, “à qui m’adresser pour mon matériel”. Le gain dépend du volume de questions répétitives reçues par l’équipe RH. Le coût d’un projet dépend de la qualité de la base documentaire, du nombre de sources à connecter (intranet, FAQ) et du niveau d’intégration. Important : l’agent répond UNIQUEMENT à partir de votre base interne (ce qui limite le risque d’hallucination), avec citations. Et un humain reste accessible pour le reste.

L’AI Act exige une évaluation de biais documentée pour les usages RH “haut risque”. Trois pratiques concrètes. Tester sur un set représentatif : prenez 50-100 CV ou évaluations couvrant diversité de genre, origine, âge, formation, et vérifiez que les sorties IA sont cohérentes (pas de pénalité systématique). Anonymisation systématique des champs sensibles (nom, photo, adresse, âge) avant envoi à l’IA. Audit humain régulier : un comité RH revoit un échantillon mensuel des décisions assistées IA, cherche des patterns suspects. Si vous utilisez un outil tiers, demandez-leur leur rapport d’évaluation de biais (s’ils n’en ont pas, fuyez). Documentez tout pour conformité.

La CNIL publie des recommandations sur l’IA et le RGPD ; pour les RH, voici les points-clés à retenir. Information transparente : le candidat ou collaborateur doit savoir que de l’IA est utilisée, avec quelle finalité. Analyse d’impact (AIPD/DPIA) à évaluer pour les usages RH IA (recrutement, évaluation, gestion de carrière), selon la liste des traitements publiée par la CNIL. Décision humaine : aucune décision impactante (refus de candidature, sanction, refus de promotion) ne doit être prise par IA seule (article 22 RGPD). Droit d’opposition : le candidat/collaborateur peut demander un traitement humain. Conservation : durées limitées des données IA. Voir les recommandations de la CNIL sur l’IA et le RGPD pour les textes à jour.

Souvent ce n’est pas de la résistance technique, c’est de la peur (de paraître dépassé, de perdre du contrôle, d’être remplacé). Quatre actions concrètes. Coaching individuel des managers sur 2-3 séances pratiques sur leurs vrais cas (rédaction de comptes-rendus, préparation d’entretiens, briefing équipe). Effet “wow” garanti. Communauté de pratique interne : un canal Slack/Teams où ils partagent leurs hacks, posent leurs questions sans se sentir bêtes. Reconnaissance : citer publiquement les managers qui adoptent et qui forment leur équipe. Pilotage par cas concrets : “regardez ce que l’équipe X a obtenu grâce à ça”. Évitez les conférences génériques sur “l’IA et le futur du travail” — ça ne change personne.

Pas spécifiquement. La compétence “utiliser l’IA” devient en 2026 ce qu’a été “utiliser Office” en 2005 — un socle attendu, pas un différenciant salarial. En revanche, certains profils émergent et méritent une revalorisation. Prompt engineer / IA généraliste dans les fonctions marketing, RH, support : un positionnement à examiner dans la grille. Référent IA métier qui forme les autres et déploie des agents internes : une prime ou une revalorisation possible. Profils tech IA (dev, architecte) : marché tendu, à positionner par rapport au développeur classique. Plus largement : revaloriser ceux qui livrent plus de valeur grâce à l’IA, pas ceux qui simplement “savent l’utiliser”.

Trois ajouts concrets dans la majorité des fiches de poste. Section Compétences attendues : ajouter “à l’aise avec les outils IA générative (ChatGPT, Claude, ou équivalent) appliqués au métier”. Section Missions : préciser quelle part du travail est augmentée par IA (ex: “rédaction de propositions commerciales avec assistance IA, validation humaine systématique”). Section Engagement : intégrer la charte d’usage IA et la confidentialité des données. Pour les rôles qui supervisent l’IA (managers, métier core), ajoutez une mission “supervision et amélioration continue des outils IA utilisés par l’équipe”. C’est un signal d’employeur moderne, attractif pour les profils 2026.

Cinq questions à poser systématiquement. “Sur quel modèle LLM tournez-vous, et où sont hébergées les données ?” — s’il dit “c’est notre IA propriétaire”, c’est probablement un wrapping d’API US opaque. “Avez-vous une évaluation de biais documentée ?” — obligatoire pour AI Act. “Comment garantissez-vous la décision humaine ?” — pour conformité article 22 RGPD. “Quelle est votre politique de rétention des données candidats ?” — durée limitée, suppression possible. “Pouvez-vous me montrer un cas client comparable avec chiffres ?” — pas un témoignage marketing. Si une réponse est floue, passez votre chemin. Le marché RH IA est très inégal en 2026 — beaucoup de wrappers qui se présentent comme experts.