Recrutement : le risque de la « monoculture algorithmique »

Les entreprises utilisent de plus en plus des algorithmes pour effectuer un premier tri parmi les candidatures. Mais que se passe-t-il lorsque plusieurs employeurs s’appuient sur les outils d’un même fournisseur ? Une étude publiée en juin 2026 met en lumière un risque encore peu exploré : celui de voir certains candidats systématiquement écartés, même quand ils postulent chez des employeurs différents.

Pour arriver à ce constat, des chercheurs américains de Stanford ont étudié plus de 4,1 millions de candidatures déposées par 3,37 millions de personnes. Toutes avaient été évaluées par les algorithmes de Pymetrics, une plateforme utilisée par 156 employeurs répartis dans onze secteurs.

Un même profil, des verdicts qui se répètent

Le principe est simple : les candidats passent des jeux en ligne censés mesurer certains traits cognitifs – prise de risque, vitesse de traitement de l’information, capacité de planification, etc. Sur cette base, un modèle attribue à chaque candidature un verdict : « recommandé » ou « non recommandé ». En moyenne, 41,8 % des candidatures finissent dans la seconde catégorie.

C’est en observant le parcours d’une même personne à travers plusieurs candidatures que les chercheurs identifient ce qu’ils nomment une « monoculture algorithmique ». Parmi les candidats ayant postulé à dix postes, 4 % n’ont été recommandés pour aucun – une proportion plus élevée que ce à quoi on s’attendrait si chaque décision était indépendante des autres.

En clair : multiplier les candidatures n’augmente pas forcément les chances de franchir le premier filtre.

Des biais également relevés

L’étude révèle aussi des écarts selon l’origine ethnique déclarée par les candidats. En examinant chaque poste séparément, les chercheurs observent un impact défavorable pour les candidats noirs sur 10,62 % des postes, et pour les candidats asiatiques sur 5,32 %, selon les critères américains de mesure des discriminations à l’embauche.

Les auteurs invitent toutefois à la prudence : l’étude porte sur les outils d’un seul fournisseur et sur un type précis d’évaluation. Impossible, donc, d’en tirer des conclusions générales sur l’ensemble des algorithmes de recrutement.

Elle soulève malgré tout une question de fond pour les recruteurs : au-delà de la performance d’un outil pris isolément, que se passe-t-il quand un grand nombre d’entreprises finit par confier son premier tri aux mêmes systèmes ?