• View

Intelligence Artificielle, Biais et Acceptabilité dans le Recrutement (IAB@R)

Description

Nous assistons à une forte croissance de l’offre d’outils de recrutement prédictif. Pourtant, force est de constater que les études académiques questionnant la validité de ce type d’outils qui mobilisent des algorithmes d’Intelligence Artificielle (IA) et leurs effets dans le cadre du recrutement, sont encore peu nombreuses.

Notre projet ambitionne de combler en partie cet écart entre les promesses affichées par les entreprises commercialisant ces solutions de recrutement prédictif et le manque d’information sur leur efficacité, leur pertinence et leur objectivité.

Cet objectif s’insère dans une interrogation plus globale sur l’impact des recommandations algorithmiques sur la prise de décision des acteurs (recruteurs et candidats). Dans le domaine des sciences de gestion, les algorithmes de recrutement prédictif constituent un exemple-type d’«outil de gestion», dont le déploiement et l’appropriation ont un impact sur les attitudes et les comportements des acteurs dans les organisations, et ce presque indépendamment de leur efficacité.

Le projet IAB@R s’inscrit dans une démarche transversale pour répondre à ces questionnements : il intègre à la fois à une dimension psychologique (étude de l’efficacité perçue par les utilisateurs de ces solutions, étude de leurs réactions) et une dimension instrumentale (évaluation de la capacité de l’instrument à opérer une sélection exempte de biais discriminatoires).

Le projet se décline en 3 volets permettant d’atteindre 3 objectifs opérationnels :

• L’étude des biais décisionnels dans les processus de recrutement instrumentés (en recourant à une étude expérimentale),
• L’analyse et la comparaison de la capacité effective de différents algorithmes d’IA à réduire les biais discriminatoires (en recourant à la mise au point d’un outil de simulation pour générer des bases d’apprentissage permettant de mettre à l’épreuve différents algorithmes).
• L’analyse des performances antidiscriminatoires de différents algorithmes d’aides à la décision.

Pour mener à bien ce projet transversal, deux enseignants-chercheurs de l’UGA sont mobilisés pour apporter leurs compétences dans le domaine des sciences de gestion (pour la partie instrumentation du recrutement et étude des réactions des acteurs face à des recommandations algorithmiques) et dans le domaine de la statistique (pour la partie en lien avec le test de l’efficacité des modèles prédictifs de sélection du personnel). Ils s’appuieront sur les compétences de chercheurs ayant déjà engagé des recherches sur la simulation de biais et leurs effets sur la validité d’outils psychométriques utilisés dans le recrutement. Deux stagiaires renforceront l’équipe sur les volets 2 et 3 du projet.

Outre la diffusion de nos résultats lors de congrès et par le biais d’articles publiés dans des revues de référence de nos disciplines, le projet IAB@R souhaite également concevoir et mettre à la disposition de la communauté scientifique un outil de simulation permettant la comparaison de différentes méthodes d’apprentissage supervisé appliquées à la sélection de candidats.

Au-delà de sa portée académique, le projet IAB@R revêt une dimension sociétale en apportant des éléments empiriques permettant de démythifier (voire démystifier) certaines solutions présentées par leurs concepteurs comme des solutions capables d’ "augmenter" le manager.

Stagiaires

Ce projet a permis l'encadrement de:

• Florent Magaud