Comment un recruteur AI a sous-estimé un développeur Rust à cause d'un ancien profil

Un développeur Rust a soumis un CV pour un poste de Senior. Le système de sélection utilisé par le recruteur a lu la trace numérique et a rendu un verdict : Junior+/Middle. Le problème s'est avéré être que l'IA a rencontré un ancien profil sur internet — un profil d'une époque où l'expérience était réellement 1,5 ans. Au cours de plusieurs années, beaucoup s'est passé : deux grands projets ont atteint la sortie, les compétences ont grandi, mais la première trace est restée dans les index de recherche.

Pourquoi les Recruteurs IA Échouent

Les systèmes modernes de sélection des candidats s'appuient sur des données ouvertes : profils sur les plateformes de freelance, GitHub, LinkedIn, anciens CV sur les sites de recrutement. Le problème est que ces sources se mettent à jour lentement ou ne se mettent pas à jour du tout. L'IA prend tout ce qu'elle trouve et tente de composer un portrait du développeur.

Lorsque plusieurs versions d'un profil sont trouvées — ancienne, moyenne, nouvelle — le système peut peser toutes les sources, mais souvent l'ancienne information a un impact plus important. Les évaluations que les plateformes de freelance ont attribuées il y a trois ans vivent toujours dans les résultats de recherche et participent aux calculs. L'algorithme perçoit l'âge de l'indexation comme un signe de fiabilité : plus l'information est longtemps sur internet, plus elle est stable.

Le Problème des Titres de Compétence

• Le code sur GitHub peut être privé — l'IA ne peut pas le voir
• LinkedIn se met à jour plus lentement que la croissance professionnelle réelle
• Les anciens CV sur Habr et autres tableaux restent dans la recherche pour toujours
• L'IA ne peut pas évaluer la contribution réelle aux projets fermés de l'entreprise
• Le nombre d'étoiles sur GitHub ne s'inscrit pas dans la corrélation avec le niveau salarial ou l'ancienneté

Il n'y a pas de faute dans l'IA elle-même — c'est un problème architectural. Le système fonctionne dans les limites des données disponibles. Lorsque la trace numérique est contradictoire et obsolète, les erreurs sont inévitables.

Comment les Recruteurs Résolvent Cela

Les agences et les grandes entreprises utilisent une sélection à deux niveaux : l'IA filtre les candidats clairement inadéquats, puis un recruteur vivant vérifie manuellement les profils douteux. Sur les plateformes de freelance et dans les startups, ce luxe n'existe souvent pas. Là, le système rend un verdict final, et le candidat passe ou ne passe pas. Le développeur Rust aurait pu contester la décision avec une personne vivante, mais la plateforme de recrutement peut ne pas prévoir un tel canal. L'alternative est de mettre à jour vous-même vos profils ouverts, d'ajouter de nouvelles données, de créer un projet GitHub qui démontre votre niveau. Tout cela prend du temps.

Ce Que Cela Signifie

Les systèmes d'IA aggravent le problème de l'inertie informationnelle. Si vous avez grandi professionnellement mais que les anciennes informations sont toujours sur internet, le système vous empêchera d'avancer. Ce n'est pas une raison d'abandonner la sélection par IA — plutôt une raison d'être plus attentif à votre trace numérique et de mettre régulièrement à jour les profils visibles au monde.