88 % des organisations ont déjà déployé de l'intelligence artificielle dans leur gestion quotidienne. Seules 6 % en tirent un impact business mesurable, selon le baromètre IA et RH 2026 mené par Unow et TalenCo. La fonction ressources humaines n'échappe pas à ce constat : processus RH, agents conversationnels, outils de recrutement, gestion des talents, chaque processus a son outil et son cas d'usage. Ce qui manque rarement, c'est l'outil. Ce qui manque presque toujours, c'est la mesure de ce que cette intelligence artificielle rapporte réellement à la fonction.
Ce que l'IA change concrètement dans la fonction RH
Ce qu'on entend par IA appliquée aux ressources humaines
L'IA RH ne désigne pas un seul logiciel mais une famille de solutions qui automatisent, résument ou recommandent à partir de données de gestion des ressources humaines : gestion administrative, analyse des candidatures, gestion de la paie, processus de recrutement, tâches répétitives. Concrètement : un agent conversationnel qui lit des candidatures, un outil qui rédige une fiche de poste, un logiciel qui repère un risque de départ dans les commentaires d'un entretien annuel. Rien de tout cela n'est nouveau dans le principe. Ce qui change, c'est l'échelle : ces traitements touchent désormais l'ensemble du processus, du recrutement à la paie, souvent sans que la fonction ressources humaines ait une vue d'ensemble de l'utilisation réelle de ces outils.
Pourquoi le sujet devient urgent maintenant dans les directions RH ?
L'adoption progresse vite chez les responsables RH en France. Neuf pour cent déclaraient utiliser des outils d'intelligence artificielle dans leurs fonctions en 2024. Ce taux est passé à 28 % en 2025 puis à 33 % en 2026. Trois années, une adoption multipliée par plus de trois : peu de fonctions de l'entreprise ont connu une telle accélération. Cette progression rapide explique pourquoi tant d'organisations avancent sur l'IA RH sans structure claire pour la piloter. Les usages se sont multipliés plus vite que la capacité à les mesurer et c'est précisément ce décalage qui pose problème.
Les outils que les équipes RH utilisent sans vue d'ensemble
Avant même qu'un projet IA RH soit lancé officiellement, les équipes utilisent déjà Copilot, ChatGPT, Claude ou Gemini pour rédiger une offre d'emploi, résumer un entretien ou préparer une trame d'intégration. Ces usages ne sont pas anecdotiques. Quatre-vingt-un pour cent des responsables RH et informatiques jugent que l'intelligence artificielle permet à leurs équipes de travailler plus efficacement et 79 % estiment qu'elle améliore la qualité du travail produit, selon le rapport Zendesk sur l'expérience collaborateur. Le problème n'est donc pas l'absence d'usage. C'est l'absence de vue d'ensemble sur cet usage réel, dispersé entre plusieurs outils et rarement consolidé.
Recrutement et présélection des candidatures
Le recrutement reste le terrain d'expérimentation le plus ancien de l'IA RH. Rédaction d'offres, analyse des candidatures, rapprochement entre un profil et une fiche de poste, préparation de grilles d'entretien : chaque étape peut aujourd'hui s'appuyer sur un assistant. Un même candidat traverse ainsi plusieurs points de contact automatisés avant qu'un humain ne prenne la décision finale. L'intérêt est réel quand le volume de candidatures dépasse la capacité de traitement manuel d'une équipe. La vigilance l'est tout autant. Un système qui présélectionne des candidatures influence directement une décision d'embauche et ce type d'usage entre dans le périmètre le plus surveillé du règlement européen sur l'intelligence artificielle, développé plus loin. Avant d'industrialiser ce cas d'usage, mieux vaut savoir combien de recruteurs l'utilisent réellement, sur quel volume et avec quel taux de correction humaine derrière chaque présélection.
Intégration des nouveaux collaborateurs
L'intégration se prête bien à l'automatisation parce qu'elle répète les mêmes questions pour chaque recrue : quels documents fournir, quelle mutuelle choisir, qui contacter pour tel sujet. Un assistant conversationnel peut répondre à ces questions courantes et libérer du temps aux équipes RH pour l'accompagnement plus qualitatif, celui qui ne se délègue pas. Certaines organisations vont plus loin et génèrent, dès la création du dossier, des parcours personnalisés selon le poste et l'équipe d'accueil. L'usage fonctionne bien tant qu'il reste cantonné à l'administratif. Il devient plus fragile dès qu'il touche à l'intégration humaine et sociale d'une recrue, un point que peu d'organisations distinguent clairement avant de déployer l'outil à grande échelle.
Planification et gestion prévisionnelle des compétences
La gestion prévisionnelle des emplois et des compétences consiste à anticiper les besoins futurs à partir de l'activité réelle de l'entreprise. C'est un exercice stratégique que l'intelligence artificielle pourrait considérablement accélérer : croiser les données de mobilité interne, les compétences déclarées et les projets à venir pour repérer les postes qui manqueront de bras dans six mois plutôt que de le découvrir une fois la tension installée. Dans les faits, c'est aussi le cas d'usage le moins exploité du marché, alors qu'il concentre une bonne partie du potentiel de valeur de l'IA en RH. Ce paradoxe mérite d'être creusé : il est développé plus bas avec le chiffre qui l'illustre.
Gestion de la performance et des talents
Sur la gestion de la performance, l'IA RH synthétise des évaluations, croise plusieurs sources de retour et repère des signaux faibles de désengagement avant qu'ils ne se traduisent en départ. Un manager qui prépare un entretien annuel peut ainsi disposer d'une synthèse factuelle plutôt que de relire des mois d'échanges épars. L'apport est réel sur la préparation. Il l'est beaucoup moins sur le jugement final, qui reste une décision humaine, contextuelle, difficile à déléguer à un modèle qui ne connaît ni l'historique complet d'une équipe ni les tensions organisationnelles du moment. Traiter l'IA comme un outil de préparation plutôt que comme un outil de décision change complètement la manière de l'évaluer.
Formation et montée en compétences
La formation bénéficie directement de l'IA RH pour construire des parcours à partir des compétences réellement détenues et des écarts identifiés. Un référentiel de compétences mis à jour automatiquement à partir des fiches de poste et des entretiens professionnels fait gagner un temps que les équipes consacraient auparavant à la mise à jour manuelle de tableurs. Le sujet qui compte n'est pourtant pas l'outil de génération du parcours. C'est la question posée en amont : qui a besoin de monter en compétence et sur quel sujet précis. Cette question sort des usages réels observés dans l'organisation, pas d'un catalogue de formations standard plaqué sur toute l'entreprise.
Administration RH et conformité documentaire
La synthèse de contrats, d'avenants et de notes de service reste l'un des usages les plus mécaniques de l'IA RH et l'un des moins risqués. Un éditeur du secteur avance un gain de temps de l'ordre de 50 % sur l'automatisation des tâches répétitives et la synthèse de documents RH. Ce chiffre reste un ordre de grandeur commercial, pas une mesure vérifiée chez un client, et il varie fortement selon le volume documentaire traité. La gestion administrative gagne surtout en données exploitables : un dossier synthétisé automatiquement se retrouve plus vite qu'un dossier classé manuellement. Ce qui compte davantage que le pourcentage affiché, c'est de vérifier ce gain sur son propre volume de dossiers avant de l'intégrer dans un budget.
Rémunération et avantages sociaux
Sur la rémunération, l'IA RH sert surtout à préparer les campagnes de révision salariale : simuler des scénarios d'enveloppe, repérer des écarts internes sur un même poste, personnaliser la communication des avantages sociaux selon le profil du salarié. C'est un cas d'usage plus discret que le recrutement ou la formation, moins mis en avant dans les guides généralistes mais qui touche directement à l'équité interne. Un écart mal expliqué par un modèle automatisé se répercute immédiatement sur la confiance des équipes, ce qui exige ici une vérification humaine systématique avant toute communication individuelle.
Expérience collaborateur et support RH interne
Le support RH interne, celui qui répond aux questions sur les congés, la mutuelle ou la paie, se prête particulièrement bien à un assistant conversationnel. Les équipes RH ne traitent plus les questions les plus répétitives une par une et se concentrent sur les demandes qui exigent réellement un jugement humain. L'expérience collaborateur y gagne en rapidité de réponse, à condition que l'assistant sache reconnaître les limites de son périmètre et transférer vers un humain les sujets sensibles.
Pourquoi la plupart des cas d'usage IA RH ne rapportent rien ?
L'écart entre adoption et impact business
L'écart ouvert en introduction mérite d'être détaillé, parce qu'il résume à lui seul le problème que rencontre la majorité des projets IA RH : l'outil est acheté, le pilote est lancé, la communication interne annonce la transformation en cours. Et puis rien ne se passe vraiment, ou si peu que personne ne prend la peine de documenter l'échec.
Ce n'est pas un problème d'outil. C'est un problème de mesure. Une organisation qui ne sait pas combien de personnes utilisent réellement un assistant IA RH, sur quel volume et avec quel taux d'abandon, ne peut pas savoir si le projet mérite d'être poursuivi, renforcé ou arrêté. Elle avance à l'instinct sur un sujet qui devrait se piloter avec des données, exactement comme n'importe quel autre investissement de l'entreprise.
Le cas d'usage le moins exploité alors qu'il pèserait le plus
Le cas d'usage le plus révélateur de ce décalage est la prédiction des besoins en effectifs. Il plafonne à 5 % d'adoption dans le baromètre IA et RH 2026, le taux le plus bas de toute l'étude. C'est pourtant l'un des usages où la donnée disponible est la plus riche : mobilité interne, ancienneté, compétences déclarées, projets en cours. Tout ce qu'il faut pour anticiper une tension de recrutement existe déjà dans le système d'information RH.
Ce paradoxe n'est pas propre à la fonction RH. Il traduit une tendance plus générale : les organisations investissent sur les cas d'usage les plus visibles, comme le recrutement ou le support interne, et laissent de côté ceux qui demandent un travail de structuration de données un peu plus long mais qui rapportent potentiellement davantage sur la durée. Mesurer l'usage réel permet justement de corriger ce biais, en confrontant l'attention donnée à un cas d'usage à la valeur qu'il produit réellement.
Ce que la mesure de l'utilisation réelle change dans la décision
Deux boucles s'opposent ici.
| Étape | Sans mesure d'usage | Avec mesure d'usage |
|---|---|---|
| 1 | Un outil IA RH est choisi | Un outil IA RH est choisi |
| 2 | Un pilote est lancé sur un périmètre restreint | Les journaux d'usage sont analysés en continu |
| 3 | Aucun suivi structuré de l'usage réel | Des entretiens de cadrage complètent la donnée factuelle |
| 4 | Le projet s'étiole en silence, sans décision explicite | Décision explicite : industrialiser, consolider ou couper |
Dans la première, la plus courante, le projet s'étiole faute de retour structuré : personne ne sait combien de collaborateurs l'utilisent encore trois mois après le lancement, ni pourquoi certains ont arrêté. Le sujet finit par disparaître discrètement des priorités.
Dans la seconde, celle que nous appliquons, l'usage réel est mesuré depuis les journaux des outils que l'entreprise administre : qui utilise quoi, à quelle fréquence, avec quel taux d'abandon. Cette donnée factuelle vient s'ajouter aux entretiens de cadrage avec la direction RH, pour comprendre le contexte derrière chaque chiffre. La décision qui suit n'est plus un pari : industrialiser ce qui fonctionne, consolider ce qui se chevauche entre plusieurs outils, couper ce qui ne sert à personne.
Comment savoir si un cas d'usage IA RH mérite d'être industrialisé ?
Les questions à se poser avant d'investir davantage
Avant d'ajouter du budget à un cas d'usage IA RH qui semble prometteur, une poignée de questions permet de trier le signal du bruit. Combien de personnes l'utilisent réellement, au-delà des quelques testeurs enthousiastes du lancement ? Le taux d'utilisation se maintient-il après trois mois ou retombe-t-il une fois la nouveauté passée ? Les licences payées correspondent-elles à une utilisation réelle ou dorment-elles pour la moitié des sièges achetés ? Le cas d'usage repose-t-il sur un outil déjà largement utilisé ailleurs dans l'entreprise, au risque de le dupliquer sans le savoir ? Quelles données ou quels connecteurs manquent encore pour aller plus loin ? Et surtout : qui, dans l'équipe RH, aurait besoin d'être formé pour que l'usage dépasse le cercle des premiers utilisateurs ?
Ces questions ne donnent aucun score et ne prédisent aucun retour sur investissement. Elles servent à structurer une conversation entre la direction RH et la direction financière, avant que le budget ne soit engagé plutôt qu'après. Se les poser avant de renouveler ou d'étendre un contrat évite souvent un engagement pris sur la seule bonne impression laissée par une démonstration commerciale.
Industrialiser, consolider ou couper : la décision qui suit la mesure
Une fois l'usage réel mesuré, la décision se résume à trois issues possibles.
| Décision | Signal observé | Action |
|---|---|---|
| Industrialiser | Usage large, répété, taux d'abandon faible | Déployer à l'ensemble de la fonction RH concernée, avec un budget dédié |
| Consolider | Même cas d'usage couvert par plusieurs outils | Choisir une seule implémentation, arrêter les doublons |
| Couper | Usage marginal, licences payées non utilisées | Résilier ou réaffecter le budget vers un cas d'usage mieux mesuré |
Ce triptyque paraît simple sur le papier. Il l'est nettement moins en pratique, parce qu'il suppose d'accepter qu'un projet annoncé publiquement à l'équipe RH puisse être arrêté sans que ce soit un échec personnel de qui l'a porté. C'est une question de gouvernance interne autant que de méthode : sans cette permission explicite de couper, la majorité des projets IA RH continuent d'exister sur le papier longtemps après avoir cessé d'être utilisés.
Le rôle des entretiens en complément des journaux d'usage
Les journaux d'usage disent qui fait quoi, combien de fois et à quel coût. Ils ne disent pas pourquoi un cas d'usage a été abandonné, ni quelle contrainte métier explique un taux d'adoption faible. Un responsable recrutement peut avoir cessé d'utiliser un outil de présélection non pas parce qu'il ne fonctionne pas mais parce que le processus de validation en aval n'a jamais été adapté pour en tirer parti.
C'est pour cette raison que la mesure de l'usage réel ne remplace jamais les entretiens de cadrage avec les équipes concernées. Les journaux donnent le factuel : qui utilise quoi, combien, avec quel taux d'erreur. Les entretiens donnent l'intention et le contexte : pourquoi, pour quel processus, avec quelle contrainte. C'est la combinaison des deux qui permet d'identifier un plan d'action réaliste, jamais l'un sans l'autre.
Gouvernance, conformité et enjeux éthiques de l'IA en RH
Ce que le règlement européen sur l'IA classe à haut risque en RH
Le recrutement et plusieurs cas d'usage RH ne sont pas des sujets réglementaires anodins. Le règlement européen sur l'intelligence artificielle classe à haut risque les systèmes utilisés pour diffuser ou cibler des offres d'emploi selon les caractéristiques des destinataires, trier ou scorer des candidatures, faire correspondre des CV à des postes, évaluer des réponses à des entretiens automatisés ou encore aider à des décisions d'embauche, de promotion ou de rupture de contrat.
Ce cadre réglementaire ne doit pas se lire comme une contrainte qui viendrait freiner l'adoption de l'IA RH. Il implique surtout ce que la mesure de l'utilisation réelle permet de documenter : qui utilise quel système, sur quel périmètre de décision, avec quelle traçabilité. Une organisation qui mesure déjà son usage réel part avec une longueur d'avance sur sa mise en conformité.
Le biais algorithmique, un risque documenté
Le risque de biais algorithmique n'est pas une hypothèse théorique. Un cas largement documenté, cité notamment par la chaire DARE d'HEC Paris, concerne un moteur de recrutement retiré après avoir pénalisé les candidatures mentionnant certaines activités féminines, du fait de données d'entraînement historiquement biaisées.
L'enseignement à en tirer dépasse le cas isolé. Un modèle entraîné sur des décisions RH passées reproduit les biais présents dans ces décisions, y compris ceux que l'entreprise cherche justement à corriger. C'est une raison supplémentaire de ne jamais laisser un système d'intelligence artificielle prendre seul une décision d'embauche ou de promotion. Le jugement humain reste la dernière étape, pas une option.
Nous analysons des usages, jamais des personnes
Toute mesure de l'usage IA RH touche un point sensible : elle observe la manière dont des personnes travaillent. C'est pourquoi un principe encadre tout ce que nous mesurons : nous analysons des usages, jamais des personnes. Les résultats sont agrégés par équipe et par outil, jamais par personne ; le statut exact du traitement se valide avec le délégué à la protection des données du client. Aucun scan de poste de travail. Aucune lecture individuelle et nominative d'un collaborateur.
L'objectif n'est jamais de savoir si telle personne travaille assez vite avec tel outil. C'est de savoir si un cas d'usage, à l'échelle d'une équipe ou d'une fonction, mérite d'être industrialisé, consolidé ou arrêté, avec la même exigence que pour n'importe quel autre investissement. Cette distinction change complètement la manière dont un projet de mesure doit être présenté aux équipes RH concernées.
Comment Idun Group mesure l'usage réel de l'IA dans une fonction RH ?
L'analyse des journaux et exports des outils utilisés par les équipes RH
Nous appliquons à la fonction RH la même analyse des usages que sur les autres fonctions de l'entreprise : analyser les journaux et les exports des plateformes que le client administre déjà, Azure OpenAI et modèles internes, Dust, Copilot ou agents sur mesure, sans rien installer sur les postes de travail. Par défaut, l'analyse s'exécute dans notre environnement situé dans l'Union européenne, à partir des exports fournis. Si le délégué à la protection des données ou la politique de sécurité du client l'exige, la chaîne s'exécute dans son périmètre. Zéro réinstrumentation imposée : nous partons des données que le système produit déjà.
Pour les usages passés par des comptes individuels sur des IA grand public, la donnée n'existe pas directement. Nous nommons cet angle mort plutôt que de l'ignorer : qu'est-ce que l'entreprise ne propose pas en interne, pour que les équipes RH aillent chercher une solution dehors ? C'est un livrable de l'audit, pas une mesure automatique. Cette cartographie des usages réels tous outils confondus est la première brique de toute décision d'industrialiser, consolider ou couper.
Le complément des entretiens de cadrage avec la direction RH et la DSI
L'analyse des journaux donne le factuel, pas l'intention. C'est pourquoi la méthode inclut systématiquement des entretiens de cadrage avec la direction RH et la direction des systèmes d'information. Ces échanges permettent de comprendre pourquoi un cas d'usage a été lancé, quelle contrainte métier il devait résoudre et quels freins organisationnels expliquent, le cas échéant, un usage plus faible que prévu.
Aucun accès aux données n'est demandé avant la signature d'une mission. La méthode se décrit dès le premier échange : un branchement en lecture seule sur les journaux existants, arbitré en réunion de cadrage selon les contraintes de sécurité et de souveraineté du client. Ce que nous proposons à un responsable RH n'est jamais un accès brut aux données mais une aide à la décision fondée sur des faits.
La roadmap et le rapport prêt pour le comité de pilotage
L'audit de l'usage réel de l'IA débouche sur trois livrables nommés. La carte : la cartographie des usages réels dans la fonction RH, tous outils confondus. Le compte : les cas d'usage détectés avec leur retour sur investissement estimé, le gaspillage identifié et le coût complet consolidé. Le cap : une roadmap à six mois-deux ans avec sa recommandation par cas d'usage. Ce rapport est conçu pour être présenté tel quel en comité de pilotage.
Le coût de ne pas mesurer se voit surtout après coup. Un assistant RH mal cadré mobilise un budget comparable à celui d'un chantier numérique structurant, pour un usage qui ne dépassera jamais le stade du pilote si personne n'en suit l'adoption réelle.
Qui former et sur quoi, un livrable de l'analyse plutôt qu'une offre de formation ?
L'audit fait souvent remonter un même constat dans la fonction RH : certains cas d'usage sont sous-utilisés non pas parce que l'outil est mauvais mais parce que personne n'a été formé à s'en servir au-delà des bases. L'analyse identifie alors qui a besoin de monter en compétence et sur quels sujets précis, à partir des usages réels observés et non d'un catalogue générique.
Ce plan de montée en compétence sort des conversations réelles avec les équipes RH concernées, jamais d'un programme type appliqué uniformément. Il sert autant la progression du collaborateur que l'accompagnement de la fonction dans son ensemble. Ce n'est pas une offre de formation packagée. C'est un livrable de l'analyse, au même titre que la roadmap ou le rapport de comité de pilotage.
Que mettre en place une fois l'usage RH mesuré ?
La mesure fait apparaître deux choses dans une direction des ressources humaines : les cas d'usage qui reviennent chaque semaine et les licences qui dorment. Reste à faire monter les premiers et à traiter les secondes. Ce qui fonctionne à ce stade relève de l'outillage et non de la consigne. Personne ne travaille mieux parce qu'on le lui demande, alors que l'usage progresse quand le bon actif se trouve à portée de main. Les trois leviers ci-dessous se rangent du moins coûteux au plus engageant.
Publier les trames que quelques équipes RH ont déjà construites
Dans toute direction RH équipée, une poignée de personnes a fabriqué ses propres trames : un canevas d'entretien annuel, une grille de présélection, un modèle de fiche de poste, une série d'instructions récurrentes. Ces actifs restent le plus souvent dans leur espace de travail personnel. Les publier à l'échelle de la direction ne demande aucun budget : la mesure a déjà désigné ceux qui servent réellement. Une trame partagée fait gagner à toute l'équipe ce qu'une seule personne avait mis au point dans son coin.
Brancher l'outil sur les systèmes où le travail RH se fait déjà
Un usage qui oblige à changer d'application reste un usage occasionnel. Connecter l'assistant au système d'information des ressources humaines, à l'outil de suivi des candidatures ou à la gestion documentaire supprime cette rupture : la réponse se construit sur les documents de l'entreprise, dans l'environnement où la question se pose. Ce levier demande une configuration côté informatique et un arbitrage sur les permissions par service, ce qui en fait un chantier court plutôt qu'un projet.
Construire des agents sur les tâches RH récurrentes
Quand la mesure fait apparaître une tâche traitée chaque semaine par plusieurs personnes, elle devient candidate à un agent commun : qualification d'une candidature entrante, réponse aux questions administratives récurrentes des collaborateurs, contrôle de conformité d'un document avant envoi. C'est le levier le plus engageant, parce qu'il demande une conception, un propriétaire et une maintenance dans la durée. Il ne se lance que sur des cas que la mesure a identifiés, jamais sur une intuition.
