Comment réussir le déploiement de l'IA en RH dans une PME ?

L'IA en Ressources Humaines : un levier de performance sous conditions

L'intelligence artificielle n'est pas un gadget de plus dans la pile logicielle RH. Bien utilisée, elle augmente la capacité de vos équipes. Elle absorbe des volumes, prépare une réponse, fait un premier tri. La décision reste humaine.

Dans la plupart des PME, le besoin réel n'est pas un agent autonome, mais de l'automatisation ciblée. Par exemple, l'IA suggère une réponse à votre équipe RH, qui garde la main.

Si vous craignez d'être en retard, les chiffres relativisent. Début 2024, seuls 9% des responsables RH déclaraient utiliser l'IA dans leurs fonctions, et leur premier frein n'était pas technique : 41 % citaient l'incompatibilité avec les procédures en place (sondage OpinionWay, mars 2024, 301 RRH et DRH d'entreprises de 20 salariés et plus). L'enjeu n'est donc pas d'aller vite, mais d'avoir des processus prêts.

Sylvain Colas, directeur du recrutement et de l'intégration chez ACC, fabricant français de batteries pour véhicules électriques, le résume ainsi :

« Appliquer de l'IA sur un process bancal, ça va faire une accélération de décision bancale. »

L'IA ne répare pas un processus défaillant : elle l'accélère, pour le meilleur ou pour le pire. Un tri de CV sur de mauvais critères ou une analyse sur des données périmées produisent de mauvaises décisions, plus vite. Le premier chantier est donc souvent la structuration de vos données RH. C'est le cœur de métier d'Empowill : centraliser et structurer les données RH dans un référentiel de compétences, des fiches de poste ou encore l'historique des entretiens pour disposer d'une base fiable, celle dont toute IA aura besoin. Et c'est cette vision de l'IA en RH que nous défendons, celle d'un outil qui vous replace au coeur des décisions et tout en vous aidant à rester au plus proche du terrain.

NB : Le déploiement de l'IA en entreprise s'accompagne aussi de la consultation du CSE sur l'introduction de nouvelles technologies (article L2312-8 du Code du travail).

Étape 1 : Identifier et isoler des cas d'usage prioritaires

Vouloir mettre de l'IA en RH n'est pas la solution, surtout, chaque structure n'est pas prête à automatiser au même rythme. Les entreprises qui affichent une automatisation généralisée sont souvent de petites structures, sans historique logiciel ni pratiques à harmoniser. Une PME industrielle multi-sites part de plus loin. Mieux vaut réussir un premier usage, puis étendre.

Un bon premier cas d'usage coche généralement ces critères :

• une tâche chronophage et répétitive, qui sature réellement l'équipe ;
• un processus déjà décrit et appliqué de la même façon partout ;
• des données structurées et à jour pour nourrir l'outil ;
• une erreur rattrapable, parce qu'un humain vérifie avant la décision finale.

Choisissez-le avec vos équipes pour faciliter leur adoption. Et décrire le processus avant de l'automatiser oblige à le remettre à plat, ce qui le rend plus cohérent, IA ou pas.

Dans l'économie réelle, deux usages reviennent souvent : la pré-qualification des candidatures en volume, et l'aide aux réponses RH de premier niveau, relues par l'équipe avant envoi.

Le cas du recrutement en volume dans l'industrie et la logistique

Sur les postes de production, les CV disent peu : « ouvrier qualifié chez un constructeur automobile » ne dit pas si le candidat peut tenir un poste de conducteur d'installation. Chez ACC, lors d'une forte montée en charge industrielle, 80 à 90% des candidatures d'opérateurs de production ne correspondaient pas au niveau recherché. Impossible de tous les appeler : les profils incertains restaient en bas de la pile.

L'entreprise a introduit une IA vocale de pré-qualification, réservée aux CV qui laissaient un doute et annoncée dès l'offre d'emploi. Résultat : la grande majorité de ces profils a été confirmée comme non adaptée, mais les 10% restants avaient une vraie valeur. Des candidats que l'équipe n'aurait jamais eu le temps de joindre ont pu présenter leurs compétences au lieu d'être écartés sur un CV trop succinct.

Ce gain a un coût : l'entreprise a mesuré environ 15% de candidats perdus, qui refusent l'échange avec une IA. Sur des personnes qu'on n'aurait pas appelées de toute façon, l'arbitrage reste favorable. Il en fixe aussi la limite : pas sur un métier en pénurie où chaque candidat compte, ni sur un profil que vous avez vous-même approché.

Étape 2 : Adopter la stratégie Make, Buy or Wait pour vos outils

Une fois le cas d'usage choisi, reste à savoir avec quel outil le traiter. Trois options s'offrent à vous : construire (Make), acheter (Buy) ou attendre en exigeant que vos outils actuels évoluent (Wait). Ce cadre évite de multiplier les abonnements logiciels et pousse à consolider l'écosystème RH que vous avez déjà.

Le Make est d'autant plus fragile que votre organisation est complexe. Le Buy confie une partie de la maintenance et de la sécurité au prestataire, mais expose à « essuyer les plâtres » sur des usages encore jeunes. Or pour une entreprise industrielle installée, l'IA RH n'est pas un enjeu de survie à court terme : vous pouvez laisser les usages mûrir. Ces choix restent réversibles : on peut tester, puis changer d'option quelques mois plus tard.

Challenger ses éditeurs de logiciels actuels

Le Wait n'a rien de passif. Avant de chercher une solution externe, interrogez vos partenaires actuels (logiciel de recrutement, SIRH, outil de gestion des compétences) sur leur feuille de route. Sylvain Colas le recommande sans détour :

« Si votre ATS n'a pas encore de fonctionnalité IA, avant de considérer la possibilité d'un changement, essayez d'en parler à votre fournisseur. »

Changer d'ATS (logiciel de suivi des candidatures) coûte un abonnement, une migration, une formation des équipes et un risque de déception. Chez un éditeur de taille moyenne, un client impliqué peut peser sur la feuille de route : obtenir la fonctionnalité six mois plus tard, sans changer d'outil, reste souvent le meilleur calcul.

Les questions à poser à vos éditeurs :

• Quelles fonctionnalités IA sont prévues, et à quelle échéance ?
• Fonctionneront-elles sur les données déjà présentes dans l'outil ?
• Où sont traitées et hébergées ces données, et dans quel cadre RGPD ?
• Ces fonctionnalités seront-elles incluses dans votre abonnement ou facturées en option ?

Étape 3 : Anticiper la charge de maintenance humaine et technique

L'IA n'est pas « Plug & Play », c'est-à-dire prête à fonctionner dès qu'on la branche. Son coût caché, c'est le suivi et la mise à jour, rarement visibles au démarrage. Posez-vous une question simple : qui aura le temps de la maintenir dans six mois ?

L'exigence dépend de l'utilisateur final. Un assistant dont l'équipe RH vérifie les suggestions présente peu de risque ; un chatbot qui répond directement aux salariés doit être testé bien davantage. Dans les deux cas, trois règles s'imposent :

• une seule version de référence pour chaque document qui nourrit l'IA ;
• un responsable nommé pour chaque source (accords, politiques, référentiels) ;
• une date de revue régulière, et une mise à jour à chaque changement de règle.

Le risque de l'obsolescence des données internes

Un cas d'échec évoqué lors de notre masterclass sur l'IA, dans le cadre de la Talent Experience Masterclass l'illustre. Une entreprise déploie un chatbot RH nourri d'une documentation interne qui n'est pas à jour : certaines règles ont changé, tout n'est pas centralisé, les spécificités de certaines équipes manquent. Les réponses sont inadaptées, la confiance s'effondre, l'adoption avec elle. L'expérimentation est abandonnée.

L'outil n'était pas en cause, la donnée si. Le mécanisme est le même pour le tri de CV ou l'analyse des compétences : des fiches de poste anciennes ou un référentiel incomplet produisent des résultats biaisés.