Comment tester un outil de tri de CV par IA avant de l'utiliser

Une démonstration peut utiliser les fichiers et les offres que le produit traite le mieux. Votre essai doit montrer ce qui se passe avec les dossiers réellement attendus, y compris les candidatures incomplètes ou difficiles à lire.

Utilisez des documents fictifs ou des données dont l'utilisation est autorisée. N'envoyez pas de vrais CV dans un compte d'essai sans avoir fait valider leur traitement.

Formulez la question à tester

Choisissez une tâche délimitée : extraire des dates, retrouver la preuve d'une compétence ou aider à parcourir un dossier. Ne réduisez pas tous les résultats possibles à un seul taux de précision.

Définissez la réussite et les erreurs qui rendraient l'usage inadapté. Un numéro de téléphone mal extrait et une recommandation de refus sans preuve n'ont pas les mêmes conséquences.

Préparez des cas variés

Ajoutez aux CV ordinaires un scan, un PDF textuel, une présentation inhabituelle, des dates absentes, une reconversion et une qualification exprimée autrement.

Pour plusieurs langues, utilisez celles et les écritures réellement attendues. Traduire un seul CV idéal ne reproduit pas la diversité des dossiers.

Notez ce que chaque document teste afin de conserver un jeu d'essai compréhensible lors des évolutions.

Établissez une référence humaine

Des évaluateurs compétents appliquent la même grille séparément. Gardez les désaccords visibles et clarifiez les critères si possible. Certains dossiers restent incertains même pour les personnes qui les examinent.

Comparez les preuves annoncées au document original. Contrôlez les résultats plausibles autant que les échecs visibles. Si l'outil classe les candidatures, examinez aussi celles qui ne sont pas en tête.

Testez les relances et les pannes

Relancez un échantillon contrôlé à conditions identiques pour observer les variations. Conservez, si disponibles, la version, les réglages, les critères et la date.

Essayez un échec de dépôt et une indisponibilité du service d'analyse. Le recruteur doit voir que le travail est incomplet et savoir continuer. Une panne ne doit pas devenir discrètement un avis défavorable.

Décidez ce que les résultats permettent

Séparez qualité d'extraction, utilité de l'évaluation, stabilité et reprise. Un produit peut aider à lire des résumés sans convenir à des décisions automatiques.

Documentez les limites et attribuez la revue après un changement. Un pilote concluant justifie un usage défini dans les conditions observées, sans prouver une fiabilité identique pour tous les postes, langues ou groupes de candidats.

Sources et lectures complémentaires

• Fairness Is Not Enough: Auditing Competence and Intersectional Bias in AI-powered Resume Screening
• The TEVV-Athlon Framework for Evaluating AI Systems | NIST

Articles associés

• Extraction du CV et classement des candidats : deux tâches distinctes
• Comment examiner une sélection assistée par IA avec un vrai contrôle humain
• Tri de CV par IA : fonctionnement et points à vérifier