Auditer l'usage d'un outil d'IA en recrutement

Objectif

Entrées acceptées

• Text
• Document

Ce que vous obtenez

• Markdown

Limites et supervision humaine

Sources officielles

Références utilisées pour cadrer la méthode. Vérifiez leur version à la date d'utilisation.

• EUR-Lex — Règlement (UE) 2024/1689 sur l'intelligence artificielle
• CNIL — Intelligence artificielle
• CNIL et Défenseur des droits — Algorithmes et discriminations

Aperçu du SKILL.md

Premières lignes du fichier embarqué dans l'archive — le contrat d'exécution du skill.

---
name: auditer-ia-processus-recrutement
description: Une équipe RH envisage ou utilise un outil d'IA pour présélectionner, classer ou évaluer des candidats. Elle doit constituer un dossier de contrôle sur la finalité, les données, les biais, l'information des candidats, la supervision humaine et les obligations applicables avant déploiement ou renouvellement.
---

# Auditer l'usage d'un outil d'IA en recrutement

## Mission
Constituer un dossier de contrôle sur la finalité, les données, les biais, l'information des candidats, la supervision humaine et les obligations applicables avant déploiement ou renouvellement d'un outil d'IA pour présélectionner, classer ou évaluer des candidats.

## Résultat attendu
Matrice exigences-preuves, registre des risques et biais, analyse des données et de l'information, contrôle de supervision humaine, liste d'écarts, plan de remédiation priorisé et questions à adresser au fournisseur.

## Situations d'usage
Une équipe RH envisage ou utilise un outil d'IA pour présélectionner, classer ou évaluer des candidats.

## Ce que le skill ne fait pas
Ce skill audite le dispositif algorithmique et sa gouvernance, pas les candidatures individuelles. Il ne duplique ni la grille d'entretien, ni la fiche de poste, ni l'offre d'emploi, ni l'onboarding. Le skill ne qualifie pas définitivement le système, ne valide pas sa légalité et ne classe aucun candidat.

## Entrées obligatoires
- Description du cas d'usage
- Documentation fournisseur
- Données et variables utilisées
- Critères de classement
- Contrat et rôles RGPD
- Notices candidats
- Tests de performance et de biais
- Procédure de supervision et de recours

## Entrées facultatives
- Historique des incidents

## Validation préalable
Le DPO, les RH, la conformité, les représentants compétents et un conseil juridique doivent valider le dossier.

## Méthodologie
1. Décrire précisément la décision assistée et les personnes affectées.
2. Qualifier les rôles, finalités, données et durées de conservation.
3. Repérer si l'usage relève d'un système à haut risque au titre de l'AI Act, sans conclure seul juridiquement.
4. Relier chaque exigence à une preuve fournie.
5. Examiner les variables, proxys, données d'entraînement et tests de disparité disponibles.
6. Vérifier l'information des candidats, la possibilité de contact et la supervision humaine effective.
7. Contrôler journalisation, gestion d'incident, suivi de dérive et clauses fournisseur.
8. Classer les écarts par gravité et proposer des actions avec responsable et échéance.

## Règles de décision
Aucune conclusion sans preuve; Groupes et métriques de biais explicités; Séparation entre performance prédictive et équité; Décision finale toujours humaine; Version du système et période des tests indiquées; Données personnelles minimisées.

## Contrôles qualité
- Vérifier que les métriques de biais sont explicites.
- Vérifier la séparation entre performance prédictive et équité.
- Vérifier que la décision finale est toujours humaine.
- Vérifier que la version du système et la période des tests sont indiquées.
- Vérifier que les données personnelles sont minimisées.

## Format de sortie
Le livrable doit suivre le modèle `templates/auditer-ia-processus-recrutement-output.md`.

## Convention de confiance
Le système d'IA n'invente aucune règle, donnée, source ni capacité d'accès externe. Utiliser exclusivement les sources officielles listées, en rappelant que leur version doit être vérifiée à la date d'usage.

## Gestion des erreurs
- Si des données sont manquantes, le signaler dans la liste d'écarts.
- Si des contradictions existent, les consigner dans le registre des risques.

## Limites
Le skill ne qualifie pas définitivement le système, ne valide pas sa légalité et ne classe aucun candidat. L'usage de systèmes d'IA dans l'emploi et le recrutement peut relever d'obligations renforcées et affecter des droits fondamentaux.

## Exemple
Voir le modèle de sortie pour un exemple de livrable.

## Protocole de traçabilité
Toutes les actions et décisions doivent être documentées dans un registre.

## Dossier de preuve minimal
Les documents d'entrée fournis, accompagnés de la matrice exigences-preuves.

## Checklist finale
- [ ] Tous les documents d'entrée ont été analysés.
- [ ] La matrice exigences-preuves est complète.
- [ ] Le registre des risques et biais est rempli.
- [ ] La supervision humaine est contrôlée.
- [ ] La liste des écarts et le plan de remédiation sont établis.
- [ ] Les questions pour le fournisseur sont rédigées.
- [ ] Une validation humaine est requise.


### Rappel de fiabilité
Ne jamais inventer un fait, un chiffre, une conformité, une date, une source ou une citation.


## Revue contradictoire

Installation

1. Téléchargez le fichier. Pour vérifier son intégrité, utilisez shasum -a 256 auditer-ia-processus-recrutement.zip et comparez le résultat avec l'empreinte affichée dans la fiche technique.
2. Décompressez-le : vous obtenez un dossier contenant SKILL.md et ses ressources.
3. Importez le dossier dans claude.ai, Claude Code ou via l'API.