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

Un développeur Rust a postulé à un poste Senior. Le système de présélection utilisé par le recruteur a lu son empreinte numérique et rendu son verdict : Junior+/Middle. Le problème : l'IA était tombée sur un ancien profil en ligne, datant de l'époque où son expérience était réellement de 1,5 an. Beaucoup de choses se sont passées depuis : deux gros projets sont arrivés en production et ses compétences ont progressé, mais la première trace est restée dans les index de recherche.

Pourquoi le recruteur IA se trompe

Les systèmes modernes de présélection 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, c'est que ces sources sont mises à jour mollement, voire pas du tout.

L'IA prend tout ce qu'elle trouve et tente de dresser le portrait du développeur. Quand plusieurs versions d'un profil existent (ancienne, intermédiaire, récente), le système peut pondérer toutes les sources, mais l'information ancienne pèse souvent plus lourd. Les notes attribuées il y a trois ans par les plateformes de freelance vivent encore dans les résultats de recherche et entrent dans les calculs. L'algorithme voit l'ancienneté d'indexation comme un gage de fiabilité : plus une information est en ligne depuis longtemps, plus elle paraît stable.

Le problème des justificatifs

• Le code sur GitHub peut être privé, l'IA ne le voit donc pas
• LinkedIn se met à jour plus lentement que la progression professionnelle réelle
• Les anciens CV sur Habr et d'autres sites d'emploi restent indéfiniment dans les recherches
• L'IA ne peut pas évaluer la contribution réelle à des projets fermés d'une entreprise
• Le nombre d'étoiles sur GitHub n'est pas corrélé au niveau de salaire ni à la séniorité

L'IA elle-même n'est pas fautive : c'est un problème d'architecture. Le système travaille avec les données disponibles. Quand l'empreinte numérique est contradictoire et périmée, les erreurs sont inévitables.

Comment les recruteurs y répondent

Les agences et les grandes entreprises utilisent une présélection à deux niveaux : l'IA écarte les candidats manifestement inadaptés, puis un recruteur humain vérifie à la main les profils douteux. Sur les plateformes de freelance et dans les startups, ce luxe n'existe souvent pas. Là, le système rend le verdict final, et le candidat passe ou ne passe pas.

Le développeur Rust aurait pu contester la décision auprès d'un humain, mais la plateforme de recrutement peut ne pas prévoir ce canal. L'alternative : mettre à jour soi-même ses profils publics, ajouter de nouvelles données, créer un projet GitHub qui démontre son niveau. Tout cela prend du temps.

Ce que cela signifie

Les systèmes d'IA aggravent le problème de l'inertie de l'information. Si vous avez progressé professionnellement mais que d'anciennes informations traînent encore en ligne, le système vous freinera. Ce n'est pas une raison de renoncer au filtrage par IA ; c'est plutôt une raison de prêter plus d'attention à son empreinte numérique et de mettre régulièrement à jour les profils visibles du monde entier.