Biais dans l’IA
Un biais dans l’IA désigne une distorsion systématique dans les décisions d’un système automatisé, qui favorise ou défavorise certains profils sans intention explicite. Il provient le plus souvent des données d’entraînement : un algorithme apprend les schémas du passé et les reproduit, y compris quand ces schémas sont discriminatoires.
Cas documenté et souvent cité : Reuters a révélé en 2018 qu’Amazon avait abandonné un outil de tri de CV interne, qui pénalisait systématiquement les candidatures féminines — l’algorithme avait appris sur dix ans de recrutements majoritairement masculins dans la tech.
En RH, les biais touchent surtout le recrutement (ATS, scoring de candidatures) : critères de sélection mal calibrés, mots-clés qui écartent des profils équivalents formulés différemment, ou sous-représentation de certains groupes dans les données historiques.
Cadre réglementaire : l’AI Act européen classe les systèmes de recrutement en « haut risque », avec obligations de transparence et de documentation. Un audit humain régulier reste la meilleure protection contre un biais qui s’installe silencieusement.
À distinguer des biais esthétiques de l’IA, spécifiques aux visuels générés.
Retrouvez tous les termes dans le lexique SIRH et IA de yapluqua.com.
Sources : PSTB.fr (27/04/2026, citant Reuters 2018), Aurelia.jobs (04/06/2026, AI Act).