Un recrutement conçu pour un monde qui n’existe plus
Pendant des années, le recrutement s’est structuré autour d’un objectif dominant : l’efficacité. Des processus standardisés, des ATS séquentiels, des indicateurs centrés sur la vitesse, le volume et le coût. Une promesse implicite : si l’on optimise suffisamment bien chaque étape, le système tiendra.
Ce modèle a été pensé pour un monde VUCA. Un monde instable, certes, mais encore lisible. Un monde dans lequel les volumes fluctuent mais restent absorbables, où les compétences évoluent lentement, où les crises finissent par se résorber. Dans ce cadre, le rôle du recruteur était clair : lire, trier, évaluer, décider. Plus il traitait de CV, plus il était perçu comme créateur de valeur.
Ce raisonnement a longtemps tenu. Mais il repose sur une hypothèse devenue fragile : celle d’un monde encore prévisible.
Quand l’optimisation devient un facteur de fragilité
Aujourd’hui, ce modèle ne montre pas ses limites progressivement. Il les révèle brutalement. Dans de nombreuses entreprises à forte marque employeur ou à fort volume de recrutements, le problème n’est plus d’attirer des candidats. C’est de faire face à un afflux massif de candidatures sans épuiser les équipes ni dégrader la qualité des décisions.
À mesure que le volume augmente, la charge cognitive explose, les biais humains s’expriment davantage, l’évaluation devient plus superficielle, et le recruteur glisse progressivement vers un rôle d’opérateur de tri. Chercher à “aller plus vite” ne résout rien. Au contraire, cela fragilise encore davantage le système.
Les travaux de Kevin Wheeler permettent de mettre des mots sur ce phénomène. Nous ne sommes plus dans un monde VUCA, mais dans un monde BANI : Brittle, Anxious, Nonlinear, Incomprehensible. Dans un monde BANI, les systèmes ne se dégradent pas lentement. Ils tiennent… jusqu’au moment où ils cassent d’un coup.
Dans ce contexte, l’IA, lorsqu’elle est simplement superposée à des logiques anciennes — scoring basé sur le passé, filtres rigides, décisions automatisées précoces — peut paradoxalement accélérer la fragilité au lieu de la réduire.
Et si le problème n’était pas le recruteur, mais le système ?
Face à cette réalité, une question s’impose. Et si le vrai problème du recrutement à grande échelle n’était ni l’engagement ni l’efficacité des recruteurs, mais le modèle même du recrutement ? Et si la question n’était plus “comment traiter plus de CV”, mais “comment identifier les bons profils sans faire porter la charge du volume aux humains” ?
Autrement dit, comment absorber la complexité sans épuiser ceux qui sont censés la gérer ? Cette interrogation remet en cause une croyance profondément ancrée : celle selon laquelle le recruteur crée de la valeur parce qu’il lit tout. À grande échelle, cette posture n’est plus un gage de qualité. Elle devient un facteur de risque.
Du recruteur x10 au recrutement x10
La réponse n’est pas de créer des recruteurs “surhumains”, capables d’aller toujours plus vite. La réponse est de concevoir un recrutement x10 : un système repensé pour l’échelle, l’incertitude et la résilience. Dans ce modèle, le recruteur n’est plus celui qui lit tout. Il devient celui qui pilote le système, oriente les priorités, interprète les signaux et arbitre dans l’incertitude.
Les outils — ATS avancés, recherches intelligentes, préqualifications automatisées, agents IA — absorbent le volume et structurent l’information. L’entretien n’est pas supprimé. Il est déplacé au bon moment, lorsque le bruit a été réduit. Le recruteur peut alors exercer ce que l’IA ne sait pas faire : le jugement, l’intuition, la compréhension du contexte, l’empathie, et la capacité à éclairer la décision du hiring manager.
L’IA ne remplace pas le recruteur. Elle lui rend du temps et de la valeur.
De l’automatisation à la gouvernance
Comme le souligne Kevin Wheeler, l’enjeu n’est pas d’automatiser la décision, mais de gouverner des systèmes automatisés. Dans un recrutement x10 mature, l’IA éclaire mais ne tranche pas seule. Les hypothèses sont visibles, l’incertitude est assumée, les décisions restent explicables. Le recruteur devient un chef d’orchestre : il pilote les agents IA, challenge leurs résultats, garantit l’équité et assume la responsabilité finale.
Mesurer ce qui compte vraiment
Transformer le recrutement implique aussi de transformer ses indicateurs. Les KPI traditionnels — time-to-hire, volume, coût — mesurent l’efficacité à court terme, mais masquent la fragilité. Un recrutement x10 se pilote aussi avec des indicateurs de résilience : diversité et profondeur des pipelines, qualité des short-lists, capacité à absorber des pics de volume, temps de récupération après un choc, qualité perçue par les candidats et les managers.
Ce changement de métriques est, en réalité, un changement de posture.
Dans un monde BANI, l’avantage n’est plus la vitesse
Le sujet n’est plus de produire plus vite. Le sujet est de tenir dans la durée. Dans un monde BANI, l’avantage compétitif du recrutement n’est pas l’optimisation maximale, mais l’adaptabilité maîtrisée. Ce n’est pas le recruteur x10 qui fait la différence, mais le recrutement x10 : un système pensé pour absorber la complexité, réduire la fragilité et redonner toute sa place à l’intelligence humaine.
Lorsque le volume est absorbé par la machine, le jugement peut redevenir humain.
À suivre
Toutes les entreprises ne bénéficient pas d’un flux massif de candidatures entrantes. Dans les environnements pénuriques, rares et spécialisés, le x10 ne se joue plus sur le tri, mais sur la capacité à trouver mieux. C’est cette question — le 10x Thinking appliqué aux marchés contraints — que j’explore dans le prochain article.
A lire sur le même thème :
Pourquoi la vraie promesse de l’IA n’est pas le +10 %, mais le x10
Recruteur x10 : ce que l’intérim nous apprend sur l’impact réel de l’IA
Construire un produit GenAI pour augmenter le recrutement chez SFEIR
Leader à l’ère de l’IA : quelle posture incarner quand les métiers s’augmentent ?
