Cet article est un cas typique. En RH, l’IA est souvent introduite comme un outil de productivité : synthèse de CV, tri de candidatures, génération de résumés d’entretiens, recommandations de questions, aide à la rédaction. Le risque interprétatif apparaît lorsque la sortie du système est utilisée comme si elle était une évaluation fiable, alors qu’elle repose sur des inférences, des biais de formulation, ou une cohérence de surface non opposable.
Le point de rupture : de la synthèse à l’évaluation
Une IA peut résumer un profil de façon convaincante. Le problème commence lorsque le résumé glisse, même subtilement, vers une conclusion implicite : « bon fit », « risque », « profil instable », « leadership faible », « manque de rigueur », etc. Le glissement est souvent invisible parce qu’il est rhétorique : une formulation devient une interprétation. À ce moment, la question n’est plus « est-ce utile ? », mais : qui peut défendre cette inférence si elle est contestée ?
Pourquoi le risque est amplifié en RH
Les RH touchent des personnes, donc des droits, donc des contestations possibles. Trois facteurs augmentent l’exposition :
- Données incomplètes : un CV, des notes d’entretien ou un historique ne suffisent pas à justifier une inférence stable.
- Ambiguïtés structurelles : les critères d’évaluation sont souvent implicites, variables, et dépendants du contexte.
- Frontière de responsabilité : une décision RH a des conséquences réelles (emploi, carrière, réputation), donc la justification doit rester explicable.
Les sorties IA les plus à risque
Certaines sorties sont particulièrement propices à la dérive interprétative :
- classement ou scoring de candidatures ;
- recommandations de rejet ou de priorisation ;
- résumés « psychologisants » ou interprétations de comportement ;
- déduction d’intentions, d’attitudes ou de traits à partir de formulations, d’un parcours ou d’un style d’écriture ;
- généralisation à partir de signaux faibles (trous de CV, changements fréquents, écoles, secteurs).
Le risque n’est pas « que l’IA soit biaisée » au sens moral. Le risque est que l’inférence soit utilisée comme une vérité implicite, sans chaîne de justification opposable.
Pourquoi le « humain dans la boucle » peut échouer
On suppose souvent qu’un humain qui relit suffit. En pratique, cela échoue si :
- les critères de validation ne sont pas explicites ;
- le décideur confond fluidité et exactitude ;
- le système produit une cohérence persuasive qui réduit la contestabilité.
Un humain dans la boucle sans cadre de légitimité interprétative devient un humain qui valide du plausible.
Le mécanisme central : arbitrage de signaux faibles
En RH, l’IA ne se contente pas de résumer. Elle arbitre : elle sélectionne des éléments, les hiérarchise implicitement et fabrique une lecture du profil. Quand les sources sont insuffisantes ou contradictoires, le système compense souvent par un récit cohérent. Mécanismes associés (désambiguïsation) :
- Lexique (arbitrage, indétermination, frontière d’engagement) : /risque-interpretatif/lexique/
- Méthode (chaîne de responsabilité et non-réponse) : /risque-interpretatif/methode/
Ce que signifie « rendre l’usage gouvernable »
Rendre l’usage gouvernable en RH ne signifie pas supprimer l’IA. Cela signifie borner ce qu’elle peut affirmer et ce qu’elle ne doit pas inférer. Les propriétés clés :
- Bornage : interdire les inférences de traits, intentions ou causalités non démontrables.
- Hiérarchie : distinguer faits observables, résumés, et interprétations.
- Traçabilité : rendre explicable quels éléments ont conduit à un résumé ou une recommandation.
- Non-réponse légitime : refuser de trancher lorsque l’information est insuffisante, contradictoire ou hors périmètre.
Le cadrage des limites est ici : /risque-interpretatif/perimetre/.
Reconnaître l’exposition avant l’incident
Le signal d’exposition n’est pas seulement une erreur visible. Le signal est une IA qui produit une évaluation implicite (ou un classement) sans qu’une chaîne de justification soit reconstruisible. La question structurante devient : si un candidat conteste, que peut-on expliquer sans fiction ? Pour identifier si une organisation est exposée : /risque-interpretatif/pour-qui/.
Liens canoniques (maillage interne)
- Hub principal : /risque-interpretatif/
- Périmètre et limites : /risque-interpretatif/perimetre/
- Méthode (chaîne et légitimité) : /risque-interpretatif/methode/
- Lexique (désambiguïsation) : /risque-interpretatif/lexique/
- Catégorie blogue : /blogue/risque-interpretatif/
Ancrage
Ce cas typique illustre un point clé : en RH, une inférence plausible peut être vécue comme une évaluation réelle. Sans bornage, hiérarchie, traçabilité et non-réponse légitime, l’IA peut produire une cohérence persuasive qui devient contestable, donc juridiquement et réputationnellement risquée.