L’IA aide à rédiger une lettre plus claire et à adapter un dossier à une offre. Mais si de nombreux candidats produisent des textes convaincants à faible coût, comment un recruteur distingue-t-il leurs capacités réelles ? Une étude récente s’intéresse à ce problème d’évaluation, avec des conséquences possibles pour l’accès au premier emploi.

Ce qui s’est passé : un modèle du recrutement sous pression

Itai Ashlagi, Ramesh Johari, Jon Kleinberg et Anushka Murthy ont déposé le 24 septembre 2026 un travail intitulé « Can Labor Markets Function in the Age of AI? The Evaluation Bottleneck in Hiring ». Il s’agit d’un document de travail fondé sur un modèle mathématique, pas d’une enquête mesurant les embauches effectives.

Les auteurs étudient notamment un scénario où l’IA réduit le coût des candidatures tout en diminuant l’information utile apportée par certains éléments du dossier. Dans ces conditions, les entreprises peuvent privilégier davantage l’expérience antérieure, plus facile à observer. Les candidats dont les qualités sont moins visibles au départ pourraient être désavantagés.

Pourquoi c’est important : écrire mieux ne suffit pas à être mieux évalué

La portée du résultat est conditionnelle : il montre un mécanisme possible à partir d’hypothèses. Il ne prouve ni une baisse générale des embauches de débutants ni un taux précis de rejet des candidatures assistées par IA.

Notre analyse : le sujet dépasse la lettre de motivation. Il concerne la répartition du temps consacré à l’évaluation. Si le nombre de dossiers augmente, une entreprise peut chercher des raccourcis. Le risque serait alors de rendre les expériences déjà acquises encore plus déterminantes, au moment où les nouveaux entrants ont justement besoin d’une première occasion de les construire.

Ce que ça peut changer pour vous : rendre les compétences observables

Pour les candidats, cette recherche invite à distinguer qualité de présentation et preuve de compétence. Un projet expliqué, un résultat contextualisé ou une discussion précise sur son travail apportent des informations différentes d’un texte bien rédigé. Ce sont des pistes éditoriales issues de notre analyse, pas des méthodes garantissant une embauche.

Pour les employeurs, les auteurs examinent des évaluations en plusieurs étapes susceptibles d’améliorer la sélection sous certaines conditions. Leur utilité dépend du coût et de l’information qu’elles apportent. Multiplier les exercices sans réfléchir à leur pertinence pourrait simplement déplacer la charge vers les candidats.

Un autre éclairage vient de l’Organisation internationale du Travail. Une note publiée le 15 septembre, présentée le 22 septembre, étudie l’adoption de l’IA dans des entreprises chinoises. Elle décrit notamment des transformations de l’organisation du travail. Son échantillon d’entreprises n’est pas représentatif : elle apporte un contexte sur les usages, sans valider le modèle de recrutement ni autoriser une généralisation mondiale.

Conclusion : le défi est de reconnaître le potentiel

L’IA peut faciliter l’accès à une candidature bien présentée. Elle ne résout pas à elle seule la difficulté de reconnaître les compétences. L’enjeu, pour les entreprises comme pour les candidats, sera de créer des évaluations pertinentes et proportionnées qui laissent aussi une place au potentiel encore peu visible.