Technologie · July 23, 2026 · 10 min de lecture

Comment repérer les CV générés par l'IA — et pourquoi c'est le mauvais objectif

Les CV générés par l'IA sont désormais la norme. Pourquoi les outils de détection échouent, quels signaux comptent vraiment, et comment évaluer les compétences réelles.

Les CV générés par l'IA sont omniprésents en 2026, et la vérité inconfortable, c'est que c'est globalement acceptable. Ce qui ne l'est pas, c'est la façon dont de nombreuses équipes de recrutement continuent de classer les candidats sur la base d'un document qui ne les différencie plus. Quand presque chaque candidature a été rédigée, adaptée ou peaufinée par un modèle de langage, le CV cesse de vous dire qui est capable de faire le travail. Il vous dit qui a accès à un outil IA gratuit — c'est-à-dire tout le monde.

Ce guide s'adresse aux recruteurs, responsables du recrutement et directeurs des ressources humaines qui évaluent des candidats à tout volume — équipes internes submergées de candidatures, agences triant des centaines de profils par semaine, fondateurs réalisant leurs premières embauches. Vous y trouverez trois choses : un état des lieux honnête sur l'échec des outils de détection de CV IA et les dommages causés par leurs faux positifs, le petit ensemble de signaux réellement pertinents, et la solution structurelle — transférer le poids de l'évaluation des déclarations invérifiables vers les compétences démontrées.

Le contexte n'est pas anodin. L'IA d'écriture de niveau professionnel est gratuite, les volumes de candidatures ont explosé parce que postuler à une centaine d'offres ne prend désormais qu'un après-midi, et les réglementations de recrutement — de NYC Local Law 144 à l'EU AI Act — font monter le coût des décisions de présélection que vous ne pouvez pas justifier. Cela s'applique partout où vous présélectionnez à grande échelle — et particulièrement dans le recrutement à distance, où le CV portait déjà plus de poids qu'il ne pouvait en supporter. L'objectif de cet article n'est pas de vous aider à identifier les utilisateurs de l'IA. C'est de vous aider à cesser de récompenser une présentation que vous ne pouvez pas vérifier.

Pourquoi la plupart des CV sont-ils désormais générés par l'IA ?

Trois forces ont convergé. Premièrement, les outils sont devenus gratuits et performants : tout candidat peut coller une fiche de poste dans un chatbot et obtenir en moins d'une minute un CV adapté et optimisé pour les mots-clés, et LinkedIn, les générateurs de CV et les outils ATS proposent désormais la réécriture par IA comme fonctionnalité par défaut. Deuxièmement, les candidats ont appris — à juste titre — que les filtres ATS récompensent les formulations exactes, de sorte qu'adapter chaque CV à chaque offre est passé de bonne pratique à minimum requis. Troisièmement, le volume engendre le volume : comme l'IA a rendu les candidatures massives bon marché, le nombre de candidatures par poste a augmenté, ce qui a poussé les employeurs vers un filtrage automatisé plus agressif, et les candidats vers une optimisation encore plus poussée. Les deux parties utilisent désormais des logiciels l'une contre l'autre.

Remarquez ce que cela signifie pour le mot « repérer ». Vous ne cherchez pas un faux rare dans une pile de documents authentiques. Dans la plupart des pipelines, le CV touché par l'IA est le cas majoritaire. Toute stratégie fondée sur leur identification et leur suppression revient à supprimer la majeure partie de votre pipeline — y compris nombre de vos meilleurs candidats, car la maîtrise fluide des outils est corrélée exactement à la maîtrise de l'IA qu'exigent désormais de nombreux postes.

Les détecteurs de CV IA fonctionnent-ils vraiment ?

Non — pas avec la fiabilité qu'exige une décision de recrutement. Les détecteurs de texte IA estiment le degré de prévisibilité statistique d'un écrit. Cette approche est déjà fragile en général, mais elle échoue particulièrement sur les CV, car ceux-ci suivaient un format rigide bien avant l'existence des modèles de langage : puces déclaratives courtes, verbes d'action, résultats chiffrés, intitulés de section standardisés. Le genre lui-même ressemble à du texte machine. Un détecteur ne peut pas distinguer clairement « généré par l'IA » de « rédigé comme tout service de conseil en carrière l'enseigne depuis trente ans ».

L'échec fonctionne dans les deux sens. Un texte IA légèrement retouché passe sans problème, ce qui signifie que les détecteurs ratent précisément ce qu'ils promettent de détecter. Pendant ce temps, les faux positifs se concentrent sur les textes grammaticalement irréprochables et structurellement conventionnels — ce qui décrit de manière disproportionnée l'écriture soignée des locuteurs non natifs. Le même phénomène a contraint de nombreuses universités à abandonner la détection IA pour les travaux étudiants : les outils signalaient les rédacteurs consciencieux tout en laissant passer les tricheurs occasionnels. Importer ce mode d'échec dans le recrutement est encore plus grave, car les conséquences touchent les moyens de subsistance réels d'une personne, et parce que les outils de présélection en recrutement font l'objet d'un contrôle juridique que les outils de classe ne subissent pas.

Il existe également un coût plus discret : la détection de façade érode la confiance. Les candidats se parlent, et une entreprise connue pour rejeter des personnes au motif de présentation IA est perçue à la fois comme hostile et techniquement naïve — un mauvais échange pour un signal qui était de toute façon peu fiable.

Quels sont les vrais signes d'un CV généré par l'IA ?

Il existe des schémas qui méritent attention — non comme preuve d'usage de l'IA, et jamais comme critère de rejet, mais comme signaux indiquant ce qu'il faudra vérifier. Deux comptent vraiment.

L'inflation générique des réalisations

Les outils de CV IA sont entraînés sur des conseils stipulant que chaque point doit inclure un chiffre — ils en accolent donc un à tout : « amélioration de l'efficacité de 40 % », « augmentation de l'engagement par 3 », « réduction des coûts de 25 % ». Le signal révélateur n'est pas la présence de chiffres — les candidats solides quantifient de vraies réalisations — c'est l'impressionnant uniforme et sans contexte. Chaque poste dans chaque entreprise produit une amélioration à deux chiffres ; aucun chiffre ne mentionne une base de départ, une période, une taille d'équipe ou un mécanisme. La vraie performance est irrégulière et spécifique. L'inflation templée est lisse et interchangeable.

L'effet miroir de la fiche de poste

L'adaptation « copier-coller la fiche de poste » laisse des empreintes : le CV reprend la formulation exacte de votre annonce, dans l'ordre, y compris vos tournures idiosyncrasiques. Si votre offre demande « coordination transversale des parties prenantes dans des environnements ambigus » et que le CV revendique précisément cette expérience dans précisément ces mots, vous lisez votre propre annonce renvoyée en miroir. Les rubriques de compétences qui reproduisent verbatim votre liste d'exigences transmettent le même signal.

Ce que ces signaux vous disent réellement

Presque rien sur la capacité du candidat — et c'est précisément le point. Un CV en miroir et gonflé peut appartenir à un candidat faible qui joue avec les filtres ou à un candidat solide qui a passé trente secondes sur un document qu'il a, à juste titre, jugé être une formalité. Ces signaux ne permettent pas de distinguer ces deux cas. Seule la vérification le peut.

Utiliser l'IA pour rédiger un CV, est-ce tricher ?

Non, et les équipes de recrutement devraient le dire clairement. Les rédacteurs professionnels de CV existent depuis des décennies ; les coachs de carrière, les services universitaires et les listes de « verbes forts » ont façonné les CV bien plus longtemps que les modèles de langage. Personne n'appelait cela de la triche. L'assistance IA, c'est le même service à coût zéro — une force de démocratisation, à bien des égards, car la qualité de présentation n'est plus réservée à ceux qui peuvent se payer un rédacteur ou qui ont grandi en parlant anglais.

La ligne qui compte, c'est la falsification, pas l'assistance. Un candidat qui utilise l'IA pour présenter clairement une expérience réelle fait ce que le format exige. Un candidat qui invente des diplômes, des employeurs ou des réalisations ment — et mentait déjà en 1995 ; l'outil de saisie est sans importance. Votre processus doit être conçu pour détecter le mensonge, pas l'outil. Et pour une part croissante des postes, la maîtrise fluide de l'IA est un critère que vous cherchez à recruter, ce qui rend contre-productif de la sanctionner en haut du pipeline — tout cadre sérieux d'évaluation de la maîtrise IA la traite comme une compétence de premier ordre, non comme un défaut de caractère.

Le vrai problème : les CV ne différencient plus

Voilà la reformulation qu'exige tout ce sujet. Le CV n'a jamais été un bon prédicteur de la performance au travail — des décennies de recherche en sélection classent systématiquement les diplômes et l'expérience autodéclarée bien en dessous des exercices pratiques, des entretiens structurés et des mesures d'aptitude. Ce que le CV offrait, c'était une différenciation peu coûteuse : l'effort, la clarté et l'adaptation variaient suffisamment entre candidats pour qu'un classement semble possible. L'IA a supprimé cette variance. Quand tout candidat peut produire en une minute un document soigné, adapté et optimisé pour les mots-clés, la présentation ne véhicule aucune information. Le signal ne s'est pas dégradé ; il s'est effondré.

C'est pourquoi la détection est le mauvais objectif, même si elle fonctionnait. Une détection parfaite vous dirait quels documents soignés ont été peaufinés par une machine — et ne vous dirait toujours rien sur qui peut faire le travail. La réponse rationnelle à un signal effondré n'est pas de l'inspecter forensiquement. C'est d'arrêter de lui accorder du poids et de concentrer votre effort de présélection sur des signaux qui différencient encore les candidats : la compétence démontrée et observable.

Comment évaluer les candidats quand les CV ne véhiculent aucun signal ?

Inversez l'entonnoir. Au lieu d'utiliser le CV pour décider qui mérite une évaluation, utilisez une courte évaluation pertinente pour le poste afin de décider quel parcours mérite un examen approfondi. C'est l'argument central du recrutement basé sur les compétences : évaluez ce que les candidats peuvent démontrablement faire avant d'évaluer ce qu'ils prétendent avoir accompli. En pratique, un pipeline allégé sur les CV comporte quatre éléments :

• Un filtre léger sur les faits vérifiables uniquement — autorisation de travail, localisation et fuseau horaire, qualifications non négociables pour les postes réglementés. Aucun classement sur la qualité de la rédaction.
• Une évaluation de compétences précoce pour tous ceux qui passent ce filtre — suffisamment courte pour respecter le temps des candidats, suffisamment pertinente pour que les résultats prédisent le travail réel. Les exercices pratiques sont l'outil le plus puissant ici.
• Des entretiens structurés avec une grille de notation ancrée, utilisant les affirmations les plus audacieuses du CV comme matériau de sondage plutôt que comme faits établis.
• Une conception d'évaluation honnête vis-à-vis de l'IA côté candidat : des questions générées par offre d'emploi qui ne peuvent pas être recherchées, et des exercices en environnement isolé où l'usage de l'IA est soit observé comme compétence, soit structurellement non pertinent — l'approche détaillée dans prévenir la triche avec des tests générés par IA.

Ce dernier point mérite d'être souligné, car l'objection évidente à « évaluez les compétences plutôt » est que les candidats peuvent aussi diriger l'IA sur les évaluations. Ils le peuvent — si l'évaluation est un test statique dont les réponses circulent sur internet. La solution est la même discipline appliquée deux fois : tout comme vous ne devriez pas faire confiance à un document que n'importe quel outil peut générer, vous ne devriez pas déployer un test que n'importe quel outil peut résoudre de mémoire. Des évaluations générées à la volée par fiche de poste, avec une génération contrôlée par la qualité et des environnements de travail isolés, transforment l'exercice de « rappeler la réponse » à « faire le travail » — et faire le travail, avec ou sans IA, est précisément ce pour quoi vous recrutez.

À quoi devrait encore servir le CV ?

Ne supprimez pas le CV ; déclassez-le. Il reste utile comme document logistique et de vérification : historique d'emploi à confirmer lors des vérifications de références, faits d'éligibilité, chronologie que les questions d'entretien structuré peuvent ancrer, et contexte aidant un intervieweur à se préparer. Ce qu'il ne devrait plus être, c'est l'instrument de classement — l'élément qui décide, en six secondes, qui aura l'occasion de démontrer quoi que ce soit. Ce tri rapide a toujours été le maillon le plus faible du pipeline ; l'IA a simplement rendu sa faiblesse impossible à ignorer. Les équipes qui opèrent ce changement constatent généralement que cela comprime aussi le délai d'embauche, car une évaluation précoce trie un large vivier plus rapidement et de manière plus défendable que n'importe quelle lecture de CV.

La place de H-Evaluate

H-Evaluate est conçu précisément pour le pipeline décrit dans cet article — celui où le signal déterminant est la compétence démontrée, et non les déclarations soignées. Il génère des évaluations par fiche de poste plutôt que de puiser dans une bibliothèque de tests statiques partagés, il n'existe donc pas de corrigé circulant que les candidats pourraient soumettre à un chatbot ; la génération contrôlée par la qualité maintient les questions pertinentes et défendables ; et les exercices pratiques en environnement isolé vous permettent d'observer les candidats effectuer un travail réaliste, y compris la façon dont ils utilisent l'IA de manière fluide quand le poste le requiert.

La posture de conformité compte aussi. Parce que la présélection par l'évaluation remplace le filtrage opaque par CV par une évaluation structurée et auditable, elle s'aligne avec l'orientation réglementaire — notamment le régime d'audit de biais de NYC Local Law 144 et les exigences de l'EU AI Act pour les systèmes de recrutement à haut risque. Si vous repensez votre pile de présélection depuis les fondations, commencez par le recrutement natif IA — le guide pilier pour construire un pipeline où l'IA côté candidat est une hypothèse de conception, et non une surprise.

Le CV vous disait ce qu'un candidat prétend savoir faire. C'était toujours un indicateur indirect. L'IA n'a pas cassé le recrutement — elle a cassé l'indicateur, et nous a forcés à mesurer la vraie chose.