Un robot jette-t-il vraiment votre CV ?

Mythe 1 : « 75 % des CV ne sont jamais vus par un humain »

Verdict : faux. Aucune étude ne se cache derrière ce chiffre.

C'est le chiffre le plus répété de tout le sujet, et sa trace a été remontée jusqu'à la source plus d'une fois. En octobre 2020, Christine Assaf, professionnelle des RH, l'a entendu lors d'une présentation et a suivi les citations : l'intervenant citait la société de rédaction de CV TopResume, TopResume citait un article de Forbes, et l'article de Forbes ne citait personne. Les médias qui nommaient bien une source, CIO et CNBC, l'attribuaient à « la société de services de recherche d'emploi Preptel », une société de rédaction de CV qui a fermé en août 2013 et n'a jamais publié d'étude, de jeu de données ni de méthode (Ask a Manager, reproduisant Christine Assaf (s'ouvre dans un nouvel onglet)).

En juillet 2026, deux universitaires canadiennes, Leda Salazar de Leon de la Mount Royal University et Mehnaz Rafi de l'University of Calgary, sont parvenues à la même conclusion dans The Conversation : le chiffre « provient d'un argumentaire de vente de 2012 de Preptel, une société d'optimisation de CV qui a cessé ses activités l'année suivante. Aucune méthodologie n'a jamais été publiée » (The Conversation (s'ouvre dans un nouvel onglet)).

L'article qui a lancé la vague, « Your Résumé vs. Oblivion » de Lauren Weber dans le Wall Street Journal en janvier 2012, ne le disait pas non plus. Invitée sur NPR à expliquer ces systèmes, Weber a décrit un logiciel qui va « noter et classer les candidats » pour qu'un recruteur puisse ouvrir le poste et regarder les 25 ou 50 premiers. Son pire scénario n'était pas la corbeille. C'était « le bas du classement » (NPR, Talk of the Nation, février 2012 (s'ouvre dans un nouvel onglet)). Le chiffre oscille entre 70, 75 et 88 % selon qui le raconte, ce qui arrive quand il n'y a jamais eu d'original à vérifier.

Mythe 2 : « L'ATS rejette votre CV automatiquement »

Verdict : en grande partie faux, et la part qui est vraie est pire que le mythe.

Dans la documentation officielle de Greenhouse, Workday et iCIMS, le seul rejet automatique est déclenché par vos réponses aux propres questions de l'employeur sur le formulaire de candidature : détenez-vous le permis, avez-vous le droit de travailler ici, pouvez-vous travailler le week-end (Greenhouse, Auto-reject (s'ouvre dans un nouvel onglet); Workday Administrator Guide (s'ouvre dans un nouvel onglet); iCIMS (s'ouvre dans un nouvel onglet)). Aucun d'eux ne décrit un score caché qui rejette un CV. Là où une mise en correspondance par IA existe, Greenhouse précise qu'elle répartit les candidats en groupes et « ne statue automatiquement sur aucun candidat et ne prend aucune décision d'embauche » (Greenhouse, Talent Matching FAQ (s'ouvre dans un nouvel onglet)).

Passons à la part vraie. Les filtres que les recruteurs mettent en place sont réels, et ils sont grossiers. Dans l'enquête de 2021 de la Harvard Business School auprès de 2 275 dirigeants aux États-Unis, au Royaume-Uni et en Allemagne, près de la moitié des entreprises écartaient automatiquement tout candidat ayant un trou de plus de six mois dans son parcours, et 88 % des dirigeants déclaraient que des candidats qualifiés et hautement compétents étaient éliminés parce qu'ils ne correspondaient pas aux critères exacts (Hidden Workers: Untapped Talent (s'ouvre dans un nouvel onglet)). Une personne a choisi cette règle, et une personne a cliqué sur « rejeter » devant le résultat. Assaf l'a résumé en une phrase : « Un humain rejette les candidats ; un ordinateur classe les candidatures d'après des données fournies par un humain. »

Mythe 3 : « Une IA lit votre CV »

Verdict : en grande partie faux, pour l'instant.

En janvier 2024, la Society for Human Resource Management a interrogé 2 366 professionnels des RH aux États-Unis. Seules 26 % de leurs organisations utilisaient l'IA pour une activité RH quelconque ; parmi elles, 64 % l'utilisaient quelque part dans le recrutement, les entretiens ou l'embauche, et environ une sur trois de ce groupe s'en servait pour examiner ou trier des CV (SHRM, 2024 Talent Trends (s'ouvre dans un nouvel onglet)). Faites la multiplication : une IA lisait des CV dans à peu près une organisation sur vingt. Partout ailleurs, le logiciel exécutait des règles et des recherches qu'une personne avait configurées. La part augmente, et le règlement européen sur l'IA classe déjà l'IA de recrutement comme à haut risque, mais si vous imaginez une machine qui comprend votre CV, vous imaginez l'exception. J'ai décrit ce que fait le système typique, étape par étape, dans le premier article de cette série (s'ouvre dans un nouvel onglet).

Mythe 4 : « Un ATS ne peut pas lire les PDF, et une mise en page sur deux colonnes vous fait rejeter »

Verdict : à moitié vrai, et la moitié vraie concerne la mise en page, pas le type de fichier.

Le type de fichier d'abord. Greenhouse accepte .doc, .docx, .pdf, .rtf et .txt (Greenhouse, Supported formats (s'ouvre dans un nouvel onglet)). iCIMS extrait le texte des fichiers PDF, Word, OpenDocument, RTF, HTML et même des fichiers image (iCIMS Developer Community (s'ouvre dans un nouvel onglet)). Textkernel, dont l'analyseur est intégré à beaucoup de ces systèmes, lit plus de 70 formats, qui selon lui « couvrent près de 100 % des documents que nous traitons en pratique » (Textkernel, Supported File Formats (s'ouvre dans un nouvel onglet)). Un PDF exporté depuis Word ou Google Docs est du texte, et un analyseur le lit. Ce qu'un analyseur ne peut pas lire, c'est une image de texte : un CV scanné, ou l'export d'un outil de design où les lettres sont des pixels. Cela demande une reconnaissance optique de caractères, que Textkernel vend en option et dont il prévient qu'elle prend « considérablement plus de temps à analyser ».

Passons à la mise en page. La propre documentation de Textkernel avertit que les mises en page en colonnes déroutent l'analyseur et que certaines sections sont « impossibles à analyser à un niveau fin » (Textkernel, Parser Output (s'ouvre dans un nouvel onglet)). Le résultat n'est pas un rejet. C'est une fiche dans laquelle votre dernier poste est rattaché au mauvais employeur, ou vos compétences ne figurent dans aucun champ, et cette fiche ne remonte pas quand le recruteur lance une recherche. Rien ne vous en informe. Mes icônes et mes deux colonnes faisaient exactement cela, pendant un an.

Mythe 5 : « Cachez les mots-clés en texte blanc et le logiciel vous classera plus haut »

Verdict : faux, et cela vous coûte le poste.

Un analyseur ne voit pas les couleurs. Il extrait le texte et le stocke en texte brut, et c'est ce texte brut que le recruteur ouvre. Jobscan, une société qui vend de l'analyse de CV, montre à quoi cela ressemble : un CV analysé avec « Accounting Accounting Accounting » qui le traverse, ce qui est « facile à repérer une fois que le texte du CV a été analysé dans le système » (Jobscan, novembre 2024 (s'ouvre dans un nouvel onglet)). Le recruteur voit la ruse avant de voir votre nom.

En 2023, la ruse est revenue sous une nouvelle forme, visant le tri par IA : coller toute l'offre d'emploi dans le CV en police blanche pour que le modèle vous y associe (Bruce Schneier sur un article du Washington Post, août 2023 (s'ouvre dans un nouvel onglet)). Même ruse, même vue en texte brut, même recruteur. Et en 2023, comme le montre le mythe 3, l'« IA » qui lisait la plupart des CV était encore un champ de recherche. J'ai construit Adapt to Success sur le principe inverse : il modifie la structure et la formulation, jamais les faits, et jamais rien qu'un lecteur ne puisse voir.

Mythe 6 : « Il vous faut une correspondance de mots-clés de 75 % »

Verdict : le chiffre n'existe pas. Les mots, si.

Le pourcentage de correspondance vient des outils d'analyse de CV, pas du logiciel de l'employeur. Jobscan, qui recommande de viser 75, le dit sur la page même de son scanner : « lorsque vous soumettez votre CV à une offre, l'ATS ne note pas votre CV. Le taux de correspondance de notre scanner est un outil de visualisation » (Jobscan, Resume Scanner (s'ouvre dans un nouvel onglet)). Un recruteur ne voit jamais ce chiffre, et rien dans les systèmes dont j'ai lu la documentation ne le calcule.

Ce qui se passe réellement est plus simple. Le recruteur tape des mots de l'offre d'emploi dans un champ de recherche, et le système peut classer les fiches selon leur proximité avec les exigences (Indeed Career Guide (s'ouvre dans un nouvel onglet)). Deux choses en découlent. D'abord, le logiciel est devenu plus tolérant avec les synonymes : l'analyseur de Textkernel normalise plus de 250 000 synonymes de compétences en environ 13 000 compétences dans plus de 20 langues (Textkernel, Tx Platform FAQ (s'ouvre dans un nouvel onglet)), si bien que le « modélisateur numérique » invisible pour une recherche sur « statisticien » dans l'exemple de Weber de 2012 a plus de chances aujourd'hui. Ensuite, un champ de recherche trouve toujours ce qui est tapé, et les 88 % de dirigeants de l'enquête de Harvard qui voient des personnes qualifiées éliminées sur des critères exacts décrivent précisément cela. Utilisez les mots de l'offre là où ils sont vrais pour vous. Ignorez le pourcentage.

Mythe 7 : « Toutes les entreprises utilisent un ATS »

Verdict : à moitié vrai.

Chez les plus grands employeurs, c'est presque vrai. Jobscan a examiné les pages carrière des 500 entreprises de la liste Fortune 500 de 2026 et a détecté un ATS chez 487 d'entre elles, soit 97,4 % (Jobscan, août 2026 (s'ouvre dans un nouvel onglet)). C'est le décompte d'un éditeur, fait en lisant des pages carrière, mais c'est un décompte, pas une estimation. Chez les employeurs en général, le tableau est différent : l'enquête de la Harvard Business School a trouvé 63 % d'utilisateurs d'un système de gestion du recrutement aux États-Unis, au Royaume-Uni et en Allemagne, avec 75, 58 et 54 % selon le pays, et 69 % chez les employeurs de plus de 1 000 salariés (Hidden Workers: Untapped Talent (s'ouvre dans un nouvel onglet)). Les auteures de The Conversation ajoutent que les petites entreprises sont particulièrement peu susceptibles d'en utiliser un (The Conversation (s'ouvre dans un nouvel onglet)). Donc : un grand employeur, presque certainement. L'entreprise de douze salariés de la rue commerçante, probablement pas. Le prochain article de cette série examine les chiffres région par région.

Mythe 8 : « Un modèle compatible ATS suffit »

Verdict : faux.

Un modèle vous rend lisible. Il ne vous rend pas pertinent. Après l'analyseur vient une personne, et cette personne est rapide : en 2018, le site d'emploi Ladders a mesuré le premier regard des recruteurs sur un CV avec un équipement de suivi oculaire et a obtenu une moyenne de 7,4 secondes (HR Dive sur l'étude de Ladders (s'ouvre dans un nouvel onglet)). Le rapport de Harvard décrit ce qui se passe avant ce regard : le logiciel « repose largement sur une logique “négative” pour réduire le vivier de candidats », en écartant les gens pour ce qui leur manque plutôt qu'en considérant ce qu'ils ont. Un CV parfaitement analysé qui dit les mauvaises choses est simplement trouvé, puis refusé, avec la maigre consolation que cette fois, une personne l'a vu. La structure vous fait entrer dans les résultats de recherche. Le contenu vous vaut l'appel. Il y a quatre exemples avant-après des deux sur la page ATS expliqué (s'ouvre dans un nouvel onglet).

Ce qui est vraiment vrai

• Le logiciel stocke, cherche et classe. Ce sont les gens qui rejettent.
• Le rejet automatique vient de vos réponses aux questions de l'employeur, et des filtres qu'un recruteur a réglés, pas d'un score caché du CV.
• Votre CV doit être lisible par un analyseur : une seule colonne, du vrai texte plutôt que des images, des titres de sections standard, et des dates rattachées aux postes auxquels elles appartiennent.
• Votre CV doit contenir les mots que l'offre utilise, là où ils sont vrais pour vous.
• Ensuite, une personne le lit pendant environ sept secondes, il doit donc être clair pour une personne aussi.

Ce que j'aurais aimé savoir

J'ai passé un an à ajouter des icônes à un document qu'un logiciel lisait comme du texte, et à peaufiner des colonnes qu'un analyseur lisait comme du bruit. Personne ne jetait mon CV. Il était dans une base de données, avec l'air du CV de quelqu'un qui n'avait jamais fait ce que l'offre demandait. Les deux premiers points de la liste ci-dessus sont ceux qu'un logiciel peut corriger, et c'est ce que fait Adapt to Success : il conserve vos faits et reconstruit la structure et la formulation pour qu'un analyseur et un champ de recherche puissent les lire. Les trois derniers vous appartiennent.