Les services des ressources humaines (RH) adoptent l’intelligence artificielle (IA) à des degrés divers, allant de systèmes pleinement intégrés à des tests ponctuels. Si l’IA offre des avantages potentiels, son utilisation dans des domaines comme l’analyse et la prise de décision soulève des inquiétudes, notamment dans le secteur des RH où les décisions concernent souvent des données personnelles sensibles. Plutôt que de remplacer le jugement humain, l’IA devrait soutenir les professionnels des RH en leur fournissant des informations et en mettant en évidence les éléments pertinents, sans pour autant prendre de décisions de manière autonome. La clé d’une intégration réussie de l’IA réside dans la recherche d’une réelle valeur ajoutée et le maintien d’une supervision humaine, plutôt que dans le simple suivi des tendances ou l’adoption de l’IA par principe. L’un des principaux défis liés à l’IA tient à ses limites dans la compréhension du contexte, des rôles et des critères spécifiques. Les systèmes d’IA peuvent devenir peu fiables lorsque les utilisateurs enchaînent plusieurs requêtes sans attentes claires, souvent en raison d’instructions vagues. Par ailleurs, l’IA peut fournir des réponses incomplètes ou incohérentes, et même fabriquer des sources ou donner des réponses différentes à une même question. Pour limiter ces problèmes, les utilisateurs doivent tester l’IA sur des tâches qu’ils maîtrisent déjà et veiller à fournir des instructions claires et précises. L’IA peut également reproduire les biais présents dans ses données d’entraînement, comme des préjugés historiques ou sociaux. Par exemple, certains outils d’IA ont tendance à évaluer plus favorablement les candidats portant des noms féminins pour des postes de secrétaire, tout en privilégiant les noms masculins pour des postes en informatique. Pour y remédier, les équipes RH doivent privilégier l’évaluation des compétences et de l’expérience plutôt que des détails personnels comme le nom ou l’âge. Cela exige une conception minutieuse des cas d’usage de l’IA afin d’éviter l’apparition de biais dès le départ, plutôt que de tenter de les corriger a posteriori. Un autre biais subtil, appelé sycophantisme, se produit lorsque l’IA s’aligne trop étroitement sur le point de vue de l’utilisateur, validant à la fois les bons et les mauvais jugements. Pour y faire face, les requêtes doivent clairement définir les rôles, les critères d’évaluation et les domaines de prudence, et l’IA doit être invitée à identifier les failles plutôt qu’à confirmer les hypothèses. À mesure que les employés utilisent de plus en plus d’outils d’IA de leur propre initiative, il existe un risque d’avoir recours à des plateformes publiques non vérifiées ou peu sûres, ainsi que de partager des données confidentielles ou professionnelles. Une interdiction stricte de l’utilisation de l’IA n’est pas efficace, car elle peut conduire à des pratiques cachées ou risquées. À la place, les organisations doivent mettre en place un cadre clair incluant des outils d’IA sécurisés et approuvés, ainsi que des formations pour les employés sur les potentialités et les limites de l’IA. Ce cadre devrait impliquer une collaboration entre les services RH, informatiques et juridiques pour évaluer les risques et établir des directives en matière d’utilisation responsable de l’IA. L’IA peut enrichir les RH en sécurisant les décisions humaines grâce à la mise en évidence d’informations et en automatisant les tâches répétitives, ce qui permet de consacrer plus de temps à l’analyse, au soutien et à l’écoute. Parmi les usages efficaces, on peut citer la synthèse et la mise en relation de données, le rapprochement d’informations issues de plateformes HRIS (systèmes d’information des ressources humaines), ou encore l’utilisation d’agents conversationnels d’IA comme Ask Lucca pour le soutien opérationnel. Les employés peuvent passer de l’expérimentation avec l’IA à la maîtrise de son utilisation en commençant par de petites tâches vérifiables et en s’appuyant sur des référents internes qui partagent les bonnes pratiques. L’objectif ultime est de garantir que l’IA soit utilisée avec une validation humaine finale à chaque étape.