par Stéphane 
Pour chaque type d’IA : les outils à utiliser, le workflow concret étape par étape, les points de vigilance et la valeur ajoutée réelle pour votre organisation.
💬 PROMPT — L’humain écrit une instruction, l’IA répond
Simple, sans infrastructure technique. Le point d’entrée idéal pour démarrer.
1. Rédiger une offre d’emploi captivante
Domaine : Recrutement & Acquisition
En 10 minutes, générer une offre structurée, inclusive et alignée sur votre marque employeur.
Outils : Claude / ChatGPT — Notion AI — Canva / Figma
Workflow :
Étape 1 — Préparer votre brief de poste : Listez les éléments clés : intitulé exact, missions principales (5 max), compétences requises vs souhaitées, localisation, fourchette salariale. La qualité du brief détermine 80% de la qualité de l’offre générée.
Étape 2 — Rédiger un prompt structuré : Fournissez à l’IA le contexte complet : « Tu es expert RH. Rédige une offre d’emploi pour [poste] chez [entreprise]. Le ton est [moderne/bienveillant]. Inclus : accroche percutante, missions, profil recherché, ce que nous offrons. Langage inclusif obligatoire. »
Étape 3 — Itérer sur le rendu : Demandez des variantes : « Reformule l’accroche en 2 phrases », « Ajoute une section avantages », « Version courte pour LinkedIn (150 mots) ». L’IA s’améliore à chaque échange.
Étape 4 — Validation humaine obligatoire : Le RH relit et valide : alignement avec les valeurs réelles, suppression des formulations potentiellement discriminatoires, cohérence avec la grille salariale interne. Cette étape n’est pas optionnelle. Étape 5 — Publication multi-canal : Copier-coller l’offre validée dans votre ATS pour diffusion automatique sur Indeed, LinkedIn Jobs, Welcome to the Jungle, site carrière.
Dimension humaine irréductible : La validation finale du ton, des valeurs véhiculées et de la cohérence avec la réalité du poste appartient au RH. L’IA ne connaît pas votre culture d’entreprise réelle.
Point de vigilance : L’IA peut reproduire des formulations biaisées (ex : « dynamique » = code pour jeune, « solide expérience » = senior implicite). Toujours tester le biais avant publication avec un regard externe.
Valeur ajoutée : Gain de temps estimé : 60 à 80% sur la rédaction. Permet de produire des variantes par canal sans effort supplémentaire.
2. Créer un guide d’entretien structuré par compétences
Domaine : Recrutement & Acquisition
Produire une trame d’entretien professionnelle avec questions comportementales (méthode STAR) et critères d’évaluation.
Outils : Claude / ChatGPT — Copilot 365 — Notion
Workflow : Étape 1 — Identifier les compétences clés du poste : Listez 4 à 6 compétences prioritaires (ex : leadership, gestion de conflit, adaptabilité, rigueur analytique). Ce choix est humain et stratégique — c’est le cœur du guide.
Étape 2 — Prompt de génération du guide : « Pour le poste de [X], génère un guide d’entretien structuré. Pour chaque compétence [liste], crée 2 questions comportementales méthode STAR, les indicateurs d’une bonne réponse, et les red flags à détecter. »
Étape 3 — Générer la scorecard associée : Demandez une grille de notation sur chaque compétence (1-4) avec les descripteurs de chaque niveau. L’IA produit un tableau prêt à l’emploi.
Étape 4 — Adapter au contexte réel : Le recruteur ajuste les questions au secteur, au niveau hiérarchique et à la culture de l’entreprise. Certaines questions génériques doivent être retravaillées.
Étape 5 — Standardiser et partager : Intégrer le guide dans Notion ou SharePoint pour toute l’équipe. La standardisation des entretiens réduit les biais et améliore la qualité des décisions.
Dimension humaine irréductible : Le choix des compétences à évaluer et l’adaptation des questions au contexte réel de l’entreprise restent une décision du recruteur. L’IA structure — l’humain décide de ce qu’il évalue.
Point de vigilance : Ne pas utiliser le guide sans relecture. Un guide pour manager senior n’est pas le même que pour un junior.
Valeur ajoutée : Un guide structuré réduit de 40% la variance entre recruteurs. L’IA permet de le produire en 15 min vs 2 à 3h manuellement.
3. Créer des contenus pédagogiques pour la formation interne
Domaine : Formation & Développement
Générer des modules, quiz, fiches pratiques ou scripts vidéo adaptés à vos apprenants — sans expertise en design pédagogique.
Outils : Claude / ChatGPT — Canva AI — Synthesia — iSpring / Rise 360
Workflow :
Étape 1 — Définir l’objectif pédagogique : Formulez l’objectif en termes de comportement attendu : « À l’issue de cette formation, le manager sera capable de conduire un entretien de recadrage en 4 étapes. »
Étape 2 — Générer le plan de cours : « Crée un plan de formation de 45 minutes sur [sujet] pour des managers de proximité. Format : 3 modules + 1 quiz final. Inclus : objectifs, contenu clé, exercice pratique par module. »
Étape 3 — Produire chaque module : Contenu détaillé, exemples concrets, cas pratiques, questions de quiz. L’IA peut aussi rédiger le script complet d’une vidéo de 3 minutes.
Étape 4 — Mettre en forme : Collez le contenu dans Canva ou iSpring pour un module interactif. Utilisez Synthesia pour générer une vidéo avec avatar sans tournage ni budget.
Étape 5 — Validation pédagogique : Le responsable formation relit et ajuste : pertinence des exemples, adéquation au niveau du public, cohérence avec les pratiques internes réelles.
Dimension humaine irréductible : La validation de la pertinence pédagogique et l’adaptation au public réel restent irréductiblement humaines. L’IA produit la matière — le formateur l’adapte.
Point de vigilance : Risque de contenu générique déconnecté des réalités terrain. Toujours ancrer les exemples dans des situations concrètes de votre entreprise.
Valeur ajoutée : Division par 3 à 5 du temps de production de contenu. Particulièrement utile pour les formations réglementaires à mettre à jour régulièrement.
⚙️ AUTOMATISATION — L’IA exécute une tâche de façon répétée
Déclenchée par une règle ou un événement simple. Sans intervention humaine à chaque occurrence.
4. Scorer et présélectionner les CV automatiquement
Domaine : Recrutement & Acquisition
Trier des centaines de candidatures selon vos critères définis — sans les lire une par une. Supervision humaine obligatoire.
Outils : Workable / Lever — Greenhouse — Teamtailor — Skillate / Textkernel
Workflow :
Étape 1 — Définir vos critères de scoring : Dans votre ATS, paramétrez les critères avec leur poids : compétences obligatoires (éliminatoires), compétences souhaitées, années d’expérience, niveau de formation.
Étape 2 — Activer le scoring automatique : L’ATS analyse chaque CV entrant et attribue un score (0-100%). Les candidatures sont classées en 3 zones : à traiter en priorité, à examiner, à archiver.
Étape 3 — Révision humaine obligatoire : Le RH doit auditer régulièrement les CV rejetés automatiquement (échantillonnage 10-15%). L’IA peut rejeter des profils atypiques excellents.
Étape 4 — Audit des biais (trimestriel) : Analyser la distribution des candidatures rejetées par genre, âge, parcours non-linéaire. Documenter cet audit — c’est une exigence de l’IA Act.
Étape 5 — Notification au candidat : Les candidats DOIVENT être informés qu’une décision automatisée a été utilisée (obligation RGPD et IA Act). Prévoir un droit de recours humain explicitement mentionné.
Dimension humaine irréductible : La décision finale de présélection appartient TOUJOURS à un humain. L’IA classe et propose — le recruteur valide. Aucun rejet définitif ne peut être purement automatisé selon l’IA Act.
Point de vigilance : Haut risque IA Act (Annexe III). Obligations légales : audit des biais, documentation, supervision humaine, droit de recours pour les candidats. Non-conformité = sanctions.
Valeur ajoutée : Réduction de 70% du temps de présélection sur les volumes importants (+50 candidatures/offre).
5. Automatiser les messages de suivi candidats
Domaine : Recrutement & Acquisition
Envoyer automatiquement les bons messages au bon moment — accusé de réception, refus, invitation, relance.
Outils : Zapier — Make (Integromat) — ATS natif — ActiveCampaign
Workflow : Étape 1 — Cartographier les points de contact : Listez chaque moment où un email doit partir : réception candidature, passage à l’étape suivante, invitation entretien, refus post-CV, refus post-entretien, proposition d’embauche.
Étape 2 — Rédiger les templates avec l’IA : Utilisez Claude ou ChatGPT pour rédiger des templates de qualité. Attention particulière aux messages de refus : le ton doit être humain et respectueux, pas robotique.
Étape 3 — Configurer les triggers dans l’ATS : « Quand statut passe à ‘Refusé CV’ → envoyer email template Refus CV dans les 24h ». Paramétrez les délais d’envoi pour éviter les envois instantanés suspects.
Étape 4 — Personnalisation dynamique : Insérez des variables dynamiques : [Prénom], [Poste], [Date entretien], [Nom recruteur]. L’ATS remplace automatiquement.
Étape 5 — Monitoring et amélioration : Suivez les taux d’ouverture et de réponse sur chaque template. Itérez avec l’IA trimestriellement.
Dimension humaine irréductible : Les messages de refus post-entretien doivent être personnalisés par le recruteur pour les candidats ayant passé plusieurs étapes.
Point de vigilance : Ne pas automatiser le refus post-entretien sans personnalisation. Les candidats le repèrent et le partagent sur Glassdoor.
Valeur ajoutée : Gain de 2 à 4h/semaine pour un recruteur actif. Amélioration mesurable de la satisfaction candidat.
6. Déclencher le process offboarding à la démission
Domaine : Onboarding / Offboarding
À la réception d’une démission, lancer automatiquement la cascade de tâches administratives pour un départ maîtrisé.
Outils : Make (Integromat) — BambooHR / Personio — Notion / ClickUp — Slack / Teams
Workflow :
Étape 1 — Événement déclencheur : le RH enregistre la démission dans le SIRH. Cet enregistrement déclenche automatiquement le workflow Make/Zapier.
Étape 2 — Génération automatique de la checklist : Make crée une checklist Notion avec toutes les tâches d’offboarding : préavis calculé, date de fin, matériel à récupérer, accès à révoquer, solde de tout compte.
Étape 3 — Notification aux parties prenantes : IT (révocation accès à J-1), manager (entretien de départ), paie (calcul STC), sécurité (badge à désactiver).
Étape 4 — Planification de l’entretien de départ : Envoi d’une invitation Calendly/Google Meet au collaborateur. Cette étape humaine est essentielle — jamais supprimée par l’automatisation.
Étape 5 — Suivi et clôture : Tableau de bord automatique indiquant l’état de chaque tâche. Alerte si une tâche critique n’est pas complétée 5 jours avant le départ.
Dimension humaine irréductible : L’entretien de départ pour comprendre les vraies raisons de la démission est irréductiblement humain. C’est la donnée la plus précieuse pour réduire le turnover.
Point de vigilance : Ce workflow touche à des obligations légales (STC, préavis). Une erreur de calcul automatisée peut entraîner un contentieux prud’homal. Validation RH obligatoire sur les éléments financiers.
Valeur ajoutée : Réduction de 80% des oublis administratifs en offboarding. Meilleure expérience de départ = ambassadeurs potentiels et réduction des risques de sécurité informatique.
🔁 AUTOMATISATION AVANCÉE — L’IA enchaîne plusieurs tâches dans un workflow
Déclenchée par un événement RH clé, elle orchestre plusieurs systèmes en cascade.
7. Workflow d’onboarding complet déclenché à la signature
Domaine : Onboarding / Offboarding
Un seul événement (signature du contrat) déclenche un parcours d’intégration complet, coordonné entre RH, IT, manager et nouveau collaborateur.
Outils : Make (Integromat) — n8n — Notion / Confluence — Google Workspace — Claude API
Workflow :
Étape 1 — Trigger : signature électronique du contrat : DocuSign ou Yousign envoie un webhook à Make. Make reçoit les données : nom, poste, date d’arrivée, manager, localisation. Le workflow s’enclenche immédiatement, sans action humaine.
Étape 2 — Création des comptes et accès IT : Make appelle l’API Google Workspace : création de l’adresse email, ajout aux groupes, invitation aux outils (Slack, Notion). Le ticket IT est créé automatiquement avec la liste des accès nécessaires selon le poste.
Étape 3 — Génération du programme d’intégration : Make envoie les données du poste à Claude API qui génère un programme sur-mesure (J1, semaine 1, mois 1). Le programme est créé dans Notion avec pages, liens et contacts utiles pré-remplis.
Étape 4 — Email de bienvenue personnalisé (J-7) : Email depuis l’adresse du manager RH (pas un no-reply !), contenant le programme, les infos pratiques, le lien Notion du kit d’accueil et un accès Slack en préprod.
Étape 5 — Lancement des tâches manager : Checklist dans Asana/Notion : café d’accueil J1, présentation de l’équipe, 1:1 de fin de semaine 1, assignation du buddy. Rappels automatiques si tâches non complétées à J-3.
Étape 6 — Enquête d’intégration à 30 jours : À J+30, envoi automatique d’un questionnaire Typeform. Les résultats alimentent un dashboard RH en temps réel pour détecter les difficultés avant qu’elles ne deviennent des départs.
Dimension humaine irréductible : L’accueil humain au J1 — le café avec le manager, la présentation de l’équipe, la première vraie conversation — est irremplaçable. L’automatisation prépare les conditions d’un bon accueil, elle ne l’effectue pas.
Point de vigilance : Ce workflow multi-systèmes nécessite de gérer les cas d’erreur (API indisponible, données manquantes). Ne pas mettre en production sans tests complets sur 5 cas réels.
Valeur ajoutée : Les entreprises avec un onboarding structuré retiennent 82% de leurs nouvelles recrues à 1 an vs 49% sans processus (Glassdoor). Ce workflow garantit la consistance de l’expérience quel que soit le volume d’embauches.
8. Analyser l’engagement candidat depuis l’ATS
Domaine : Recrutement & Acquisition
Extraire automatiquement les KPIs du funnel recrutement, les analyser et générer un rapport hebdomadaire avec recommandations.
Outils : Lever / Greenhouse API — Make — Google Sheets — Looker Studio — Claude API
Workflow :
Étape 1 — Extraction hebdomadaire des données ATS : Chaque lundi à 8h, Make appelle l’API de votre ATS pour extraire : candidatures reçues, taux de conversion à chaque étape, délai moyen, taux de no-show, taux d’acceptation des offres.
Étape 2 — Calcul des KPIs dans Google Sheets : Les données brutes alimentent un Google Sheet calculant automatiquement : time-to-hire, coût par recrutement estimé, taux de transformation par source, goulots d’étranglement par étape.
Étape 3 — Détection des anomalies : Make compare les KPIs de la semaine aux moyennes des 4 semaines précédentes. Si un écart > 20% est détecté, une alerte Slack est envoyée immédiatement au RRH.
Étape 4 — Génération du commentaire analytique : Les données agrégées (jamais nominatives) sont envoyées à Claude API : « Analyse ces KPIs RH, identifie les 3 points d’attention et propose 2 recommandations actionables. »
Étape 5 — Diffusion du rapport : Partagé automatiquement chaque lundi matin avec le DRH et les recruteurs. Le dashboard Looker Studio est mis à jour en temps réel.
Dimension humaine irréductible : L’interprétation des données dans leur contexte qualitatif reste humaine : une baisse du taux d’acceptation peut s’expliquer par une tension de marché, un problème de process ou un changement de grille — l’IA ne sait pas lequel sans contexte.
Point de vigilance : NE JAMAIS envoyer de données individuelles nominatives à une API externe. Toujours agréger et anonymiser avant tout traitement IA externe. Obligation RGPD absolue.
Valeur ajoutée : Les équipes RH passent en moyenne 3h/semaine à consolider manuellement des données de recrutement. Ce workflow récupère ce temps et améliore la qualité de la prise de décision.
🤖 AGENT IA — L’IA agit de façon autonome entre plusieurs systèmes
L’agent prend des décisions intermédiaires, navigue entre outils et systèmes. La décision finale reste toujours humaine.
9. Agent de sourcing autonome sur LinkedIn et CVthèques
Domaine : Recrutement & Acquisition
L’agent analyse le brief, construit les requêtes, identifie les profils, rédige les messages de contact et peuple l’ATS — le recruteur valide et qualifie.
Outils : Clay — Phantombuster — LinkedIn Recruiter — Make — Claude API
Workflow :
Étape 1 — Brief de poste structuré en entrée : Le recruteur fournit un brief précis : titre exact, missions clés, compétences obligatoires vs souhaitées, type de parcours, localisation, fourchette salariale. Plus le brief est précis, plus le sourcing est qualitatif.
Étape 2 — Génération autonome des requêtes booléennes : L’agent génère automatiquement les requêtes booléennes optimisées pour LinkedIn Recruiter et les CVthèques (APEC, Cadremploi). Il teste plusieurs variantes et sélectionne celles avec le meilleur ratio volume/pertinence.
Étape 3 — Scraping et enrichissement des profils : Phantombuster extrait les profils LinkedIn. Clay enrichit automatiquement chaque profil : email professionnel, activité récente, technologies utilisées, signaux d’intention de mobilité.
Étape 4 — Scoring de pertinence par l’agent : L’agent analyse chaque profil et attribue un score (0-10) avec justification : « Profil 8.5/10 — 5 ans d’expérience HRIS, compétence Workday confirmée, secteur industrie aligné, mais poste actuel trop senior. »
Étape 5 — Rédaction personnalisée des messages : Pour les profils scorés > 7, l’agent rédige un message LinkedIn personnalisé basé sur le parcours réel de la personne. Chaque message est unique.
Étape 6 — Validation humaine et envoi : Le recruteur revoit la liste des profils et les messages AVANT tout envoi. Il peut modifier, rejeter ou valider. Aucun message ne part sans validation humaine explicite — sans exception.
Étape 7 — Alimentation de l’ATS : Les profils validés sont automatiquement ajoutés à l’ATS dans le bon pipeline via Make, avec toutes les données enrichies déjà renseignées.
Dimension humaine irréductible : Le jugement final sur l’adéquation réelle d’un profil — au-delà des critères techniques, la personnalité, l’ambition, la cohérence de parcours — reste le domaine du recruteur. L’agent propose et classe, l’humain qualifie et décide.
Point de vigilance : La collecte automatisée de données LinkedIn est soumise aux CGU de LinkedIn et au RGPD. Vérifier la légalité du scraping dans votre juridiction. Usage excessif de Phantombuster = risque de suspension de compte.
Valeur ajoutée : Un recruteur moyen identifie 10-15 profils/heure manuellement. Cet agent en identifie et enrichit 100-200 en 30 minutes. Libère le recruteur pour la relation, la qualification, la négociation.
10. Agent d’audit et stratégie Marque Employeur
Domaine : Recrutement & Acquisition
L’agent collecte les avis, analyse les tendances, benchmark la concurrence et produit un plan d’action priorisé — le DRH valide la stratégie.
Outils : Perplexity / Claude Projects — Phantombuster — Make — Notion
Workflow :
Étape 1 — Collecte automatique des avis employeur : L’agent scrape les avis Glassdoor et Indeed de votre entreprise et de 3-5 concurrents. Collecte : note globale, note par catégorie, verbatims récents sur 12 mois.
Étape 2 — Analyse sémantique des verbatims : Les verbatims anonymisés sont envoyés à Claude API pour identifier les thèmes récurrents positifs et négatifs, leur évolution dans le temps, les sujets émergents.
Étape 3 — Benchmark concurrentiel automatique : L’agent compare vos scores avec ceux de vos concurrents sur chaque dimension. Identifie vos forces différenciantes et vos axes de retard. Mis à jour chaque mois automatiquement.
Étape 4 — Veille sur les tendances EVP : L’agent recherche les tendances actuelles en matière d’Employee Value Proposition dans votre secteur : quels bénéfices attirent les talents, quelles pratiques émergent.
Étape 5 — Génération du rapport et plan d’action : Synthèse exécutive (1 page), 5 insights clés, benchmark visuel, 10 recommandations priorisées par impact/effort. Prêt pour présentation au CODIR.
Étape 6 — Validation et décision stratégique : Le DRH ajuste les priorités selon le contexte interne (budget, timing) et valide le plan d’action. L’IA informe — les humains décident.
Dimension humaine irréductible : Le positionnement stratégique de la marque employeur — ce que vous choisissez de promettre et à qui — est une décision humaine et culturelle. L’IA fournit les données, l’entreprise choisit son identité.
Point de vigilance : Attention à la fiabilité des avis Glassdoor (faux avis, biais de sélection). Ne pas baser des décisions stratégiques sur les seules données IA sans triangulation qualitative.
Valeur ajoutée : Un audit marque employeur commandé à un cabinet coûte entre 15 000 et 50 000€ et prend 3 mois. Cet agent produit une version opérationnelle en 48h pour un coût marginal.
11. Agent de détection du risque de turnover
Domaine : Onboarding / Offboarding
L’agent agrège les signaux faibles, calcule un score de risque individuel et alerte le HRBP — qui agit avant que la démission n’arrive.
Outils : n8n — OpenAI / Claude API — HRIS API (Personio, BambooHR) — Slack API — LMS API
Workflow :
Étape 1 — Définir les signaux faibles à monitorer : Étape HUMAINE et critique. Quels signaux prédisent le départ dans votre culture ? Exemples : absentéisme soudain, baisse des scores d’engagement, inactivité formations, réduction activité Slack, absence de promotion depuis X mois.
Étape 2 — Collecte automatique des données : n8n collecte chaque semaine les données de chaque collaborateur : HRIS (absences, ancienneté, dernière évolution salariale), LMS (formations complétées), Slack (activité relative), résultats des pulse surveys.
Étape 3 — Calcul du score de risque : L’agent analyse les signaux et calcule un score de risque de départ (0-100) avec les facteurs contributeurs : « Score 78/100 — 0 formation suivie depuis 4 mois, activité Slack -40%, pas d’évolution salariale depuis 18 mois. »
Étape 4 — Alertes ciblées aux HRBP : Quand un score dépasse le seuil défini (ex : > 70), n8n envoie une alerte privée au HRBP responsable du périmètre avec le score, les facteurs et une suggestion d’action.
Étape 5 — Intervention humaine — La conversation : Le HRBP initie une conversation proactive avec le collaborateur. L’objectif n’est PAS de révéler le scoring IA, mais d’avoir une vraie conversation sur les aspirations, les frustrations, les besoins d’évolution.
Étape 6 — Boucle de feedback et amélioration : Après chaque alerte, le HRBP renseigne ce qui s’est passé : démission confirmée, collaborateur retenu, fausse alerte. Ces données affinent le modèle au fil du temps.
Dimension humaine irréductible : L’agent détecte — l’humain agit. Le HRBP doit exercer son jugement sur la pertinence de l’alerte et choisir comment intervenir. Aucune décision ne se prend sans conversation humaine préalable.
Point de vigilance : Ce système crée un risque de surveillance si mal encadré. Doit être déclaré aux IRP, informé aux collaborateurs (transparence IA Act), et encadré par une charte éthique validée. Ne jamais révéler le score individuel en dehors du HRBP responsable.
Valeur ajoutée : Le coût moyen d’un départ non anticipé représente 6 à 12 mois de salaire. Anticiper 5 départs par an dans une organisation de 200 personnes peut représenter une économie de 200 à 500k€.
Principe fondateur — IA Act & RH : L’IA prépare, structure et analyse. La décision finale appartient toujours à un humain. Dans tous les processus RH touchant à des décisions individuelles, la validation humaine n’est jamais optionnelle.
