IA recrutement public : les collectivités gagnent-elles du temps ?

En 2023, le délai moyen de recrutement dans la fonction publique territoriale atteignait 4 à 6 mois selon le Rapport annuel de la DGAFP — soit deux fois plus qu'en entreprise privée de taille comparable. Ce décalage s'explique en partie par des processus manuels : traitement des candidatures, convocations, jurys, délibérations. C'est précisément là que l'intelligence artificielle appliquée au recrutement public commence à s'insérer, d'abord timidement, puis de façon de plus en plus structurée dans les grandes collectivités.

L'IA peut-elle réellement accélérer un processus aussi encadré juridiquement que le recrutement territorial ? Quels gains concrets documentent les collectivités pionnières ? Et quels risques — biais, conformité RGPD, perte de souveraineté — une DRH publique doit-elle anticiper avant de franchir le pas ? Cet article répond à ces trois questions avec des données précises et un regard critique.

Sommaire

1. Ce que recouvre l'IA dans le recrutement public
2. Les usages réels dans les collectivités françaises
3. Gains de temps mesurés : ce que disent les données
4. Les limites structurelles de l'IA en contexte statutaire
5. Biais algorithmiques, RGPD et souveraineté numérique
6. Les conditions d'un déploiement responsable
7. Questions fréquentes sur l'IA et le recrutement public
8. Ce que l'IA change vraiment — et ce qu'elle ne changera pas

Ce que recouvre l'IA dans le recrutement public

Définition synthétique — Dans le contexte du recrutement public, l'intelligence artificielle désigne un ensemble d'outils logiciels capables d'automatiser ou d'assister des tâches jusqu'ici réalisées manuellement par les directions des ressources humaines : analyse sémantique de CV, scoring de candidatures, chatbots de présélection, planification automatisée d'entretiens, ou encore analyse prédictive de l'adéquation poste/profil.

Il faut d'emblée distinguer deux familles d'outils. La première regroupe les outils de traitement automatique du langage (TAL ou NLP en anglais), qui extraient des informations structurées depuis des documents non structurés — un CV au format PDF, une lettre de motivation — pour les comparer à une fiche de poste. La seconde famille regroupe les systèmes de scoring prédictif, qui s'appuient sur des données historiques de recrutement pour attribuer un score de pertinence à chaque candidature.

Dans le secteur public, ces deux familles coexistent mais ne s'équivalent pas en termes de risque juridique. Le scoring prédictif, en particulier, soulève des questions directes au regard du principe d'égal accès aux emplois publics, garanti par l'article 6 de la Déclaration des droits de l'homme et du citoyen de 1789, repris par le statut général de la fonction publique (loi n°83-634 du 13 juillet 1983).

Pour comprendre comment les territoires abordent plus largement la transformation numérique de leurs services, la lecture de l'IA au cœur des territoires offre un cadrage institutionnel utile, s'appuyant notamment sur les conclusions du rapport sénatorial de 2023.

Les usages réels dans les collectivités françaises

Le déploiement de l'IA dans les DRH territoriales françaises reste encore minoritaire, mais progresse. Selon l'enquête du Centre National de la Fonction Publique Territoriale (CNFPT) publiée en 2023, 18 % des collectivités de plus de 50 000 habitants déclarent utiliser au moins un outil d'assistance numérique dans leur processus de recrutement. Ce chiffre tombe à moins de 4 % pour les collectivités de moins de 10 000 habitants.

Les usages les plus fréquemment documentés sont les suivants :

• Le triage automatisé de CV : un logiciel analyse les candidatures entrantes et les classe selon des critères définis par la DRH (diplômes, expériences, mots-clés métier). C'est l'usage le plus répandu, notamment dans les grandes métropoles.
• Les chatbots de qualification : déployés sur des portails carrière, ils posent une série de questions aux candidats en amont du dépôt de dossier pour vérifier les prérequis statutaires (nationalité, droits civiques, aptitude physique).
• La planification automatisée des entretiens : des outils de type Calendly ou des modules intégrés aux SIRH (Systèmes d'Information RH) permettent aux candidats présélectionnés de choisir eux-mêmes un créneau parmi des plages définies par le jury.
• L'analyse sémantique des fiches de poste : certains outils suggèrent des reformulations pour élargir le vivier de candidats ou corriger des formulations potentiellement discriminantes.

Le Conseil Départemental du Nord, la Métropole de Lyon et la Ville de Bordeaux figurent parmi les collectivités qui ont communiqué publiquement sur leurs expérimentations. Dans les trois cas, les outils déployés concernent principalement la phase de triage — pas la décision finale, qui reste humaine.

Ces initiatives s'inscrivent dans une dynamique plus large de dématérialisation des processus administratifs, dont le recrutement constitue désormais un volet à part entière.

Gains de temps mesurés : ce que disent les données

Les gains documentés existent, mais ils sont concentrés sur des tâches précises et ne se traduisent pas mécaniquement par une réduction du délai global de recrutement.

Sur le triage de candidatures : la Métropole de Lyon a indiqué en 2022 avoir réduit de 60 % le temps consacré à la présélection manuelle des CV pour les postes à fort volume de candidatures (plus de 100 dossiers). Un résultat cohérent avec les études internationales : selon le cabinet Deloitte (rapport 2022 sur les RH publiques), l'automatisation du triage permet en moyenne une réduction de 50 à 70 % du temps de traitement administratif des candidatures.

Sur la planification des entretiens : les outils de prise de rendez-vous automatisée réduisent les échanges de mails de 80 % en moyenne, selon les retours d'usage collectés par le CNFPT. Une économie réelle pour des DRH sous-dotées en personnel.

Sur la qualité de présélection : les résultats sont plus nuancés. Plusieurs collectivités rapportent une meilleure homogénéité dans l'application des critères de présélection — un avantage non négligeable dans un contexte où l'égalité de traitement est une obligation légale. Mais elles notent aussi des faux positifs (candidatures inadaptées malgré un bon score) et des faux négatifs (candidatures écartées à tort).

Le gain de temps réel sur l'ensemble du processus est moins spectaculaire : 2 à 3 semaines en moyenne sur un cycle total de 4 à 6 mois. La raison est simple : les phases chronophages en France — délibération du jury, validation hiérarchique, vérification des conditions statutaires, publication de la vacance au Journal Officiel — ne sont pas compressibles par l'IA.

Pour une lecture du profil des agents qui bénéficient in fine de ces recrutements, la page agents de la fonction publique territoriale offre des données socio-démographiques précises sur les 1,9 million d'agents concernés.

Les limites structurelles de l'IA en contexte statutaire

Le recrutement public n'est pas un recrutement comme les autres. Il obéit à des règles statutaires qui créent des contraintes structurelles que l'IA ne peut pas contourner — et ne devrait pas chercher à le faire.

La concurrence sur titre : l'accès à la plupart des emplois permanents de la fonction publique territoriale passe par un concours ou une liste d'aptitude. L'IA peut accompagner le sourcing ou la présélection pour les emplois contractuels, mais elle n'a aucune légitimité dans la notation ou le classement des candidats à un concours — compétence exclusive des jurys.

L'obligation de publicité des vacances : le décret n°2019-1414 du 19 décembre 2019 impose la publication de toute vacance d'emploi permanent sur la Bourse de l'Emploi Public (BEP). Ce délai de publicité, incompressible, encadre le démarrage réel du processus de candidature.

La composition des jurys : les jurys de recrutement sont soumis à des règles de parité, de compétence et d'indépendance. Aucun outil algorithmique ne peut y substituer ou même y assister directement sans créer un risque juridique sur la validité de la procédure.

Le droit à la communication du dossier : tout candidat non retenu peut demander à consulter les éléments ayant motivé le rejet de sa candidature. Si une décision a été assistée par un algorithme opaque, cette demande devient juridiquement délicate à honorer — ce que le Règlement Général sur la Protection des Données (RGPD) encadre par ailleurs via le droit à l'explicabilité des décisions automatisées.

Ces contraintes expliquent pourquoi les collectivités les plus avancées cantonnent l'IA aux tâches d'assistance administrative, jamais aux décisions.

Biais algorithmiques, RGPD et souveraineté numérique

Les risques liés à l'IA dans le recrutement public sont de trois ordres : éthiques, juridiques et systémiques.

Les biais algorithmiques constituent le risque le plus documenté. Un algorithme entraîné sur des données historiques de recrutement reproduit mécaniquement les biais de ces données. Si une collectivité a historiquement recruté majoritairement des hommes sur certains postes techniques, l'algorithme tendra à sur-scorer les candidatures masculines. En contexte de droit public, ce biais peut constituer une discrimination indirecte au sens de la loi n°2008-496 du 27 mai 2008 portant diverses dispositions d'adaptation au droit communautaire dans le domaine de la lutte contre les discriminations.

La conformité RGPD impose des obligations spécifiques. Le traitement de données personnelles de candidats (CV, lettres, données d'entretien) par un outil tiers nécessite une base légale explicite, une information des personnes concernées, et — si le traitement est automatisé — le respect de l'article 22 du RGPD, qui encadre les décisions fondées exclusivement sur un traitement automatisé. La CNIL a publié en 2022 des lignes directrices spécifiques sur l'IA et les ressources humaines. Le sujet du RGPD en fonction publique mérite une attention particulière avant tout déploiement.

La souveraineté numérique est un enjeu croissant. La plupart des outils d'IA RH disponibles sur le marché sont édités par des entreprises américaines ou hébergés sur des infrastructures non souveraines. Or, les données de candidature comprennent des informations personnelles sensibles. La question du cloud souverain pour la fonction publique est directement posée : où sont stockées les données des candidats ? Sous quelle juridiction ? Avec quelles garanties de portabilité ?

À ces risques s'ajoute celui de la cybersécurité des collectivités territoriales : les plateformes de recrutement constituent des cibles attractives pour des acteurs malveillants, notamment parce qu'elles centralisent des données personnelles en grande quantité.

Enfin, la question du numérique responsable en collectivité se pose : l'empreinte énergétique des modèles d'IA, en particulier des modèles de langage utilisés pour l'analyse de CV, n'est pas négligeable et doit être intégrée dans l'évaluation globale de l'outil.

Les conditions d'un déploiement responsable

Les collectivités qui tirent parti de l'IA sans exposer leur institution à des risques juridiques ou réputationnels partagent plusieurs caractéristiques communes.

Elles limitent l'IA à l'assistance, jamais à la décision. La règle d'or est simple : l'algorithme trie, l'humain décide. Aucune candidature ne doit être écartée définitivement sur la seule base d'un score algorithmique.

Elles documentent les critères de sélection en amont. Avant de paramétrer un outil, la DRH formalise les critères objectifs de présélection (diplôme requis, expérience minimale, compétences techniques). Ces critères doivent être défendables juridiquement et explicables aux candidats.

Elles auditent régulièrement les résultats. Un audit annuel des outputs de l'algorithme — répartition par genre, âge, origine géographique — permet de détecter d'éventuels biais émergents avant qu'ils ne génèrent un contentieux.

Elles choisissent des outils conformes aux exigences européennes. Le règlement européen sur l'IA (AI Act, adopté en 2024) classe les systèmes d'IA utilisés pour le recrutement dans la catégorie « à haut risque », ce qui impose des obligations de transparence, de surveillance humaine et d'enregistrement des systèmes. Les collectivités doivent anticiper cette réglementation dès le choix des outils.

Elles forment leurs agents RH. L'IA ne remplace pas la compétence RH — elle la transforme. Un chargé de recrutement doit désormais savoir lire un rapport d'analyse algorithmique, en identifier les biais potentiels, et exercer un jugement critique sur les recommandations de l'outil.

Pour les collectivités qui souhaitent également renforcer leur attractivité employeur — condition nécessaire pour que les candidatures arrivent en nombre suffisant —, la question de l'attractivité de la fonction publique territoriale comme enjeu de marque est indissociable de la modernisation des processus de recrutement.

Questions fréquentes sur l'IA et le recrutement public

L'IA peut-elle remplacer un jury de recrutement dans la fonction publique ?

Non. Le jury de recrutement est une instance dont la composition et les attributions sont définies par des textes réglementaires. Ses décisions engagent la responsabilité de la collectivité et doivent être motivables. Un outil algorithmique ne peut légalement pas s'y substituer. Il peut en revanche préparer le travail du jury en organisant et synthétisant les candidatures.

Un candidat peut-il contester une décision prise par un algorithme ?

Oui. L'article 22 du RGPD donne à toute personne le droit de ne pas faire l'objet d'une décision fondée exclusivement sur un traitement automatisé produisant des effets juridiques significatifs. En pratique, la collectivité doit être en mesure d'expliquer les raisons de tout rejet de candidature, y compris si un algorithme a contribué à la décision.

Les petites communes peuvent-elles accéder à ces outils ?

Rarement de façon autonome, en raison des coûts de licence et des compétences techniques requises. Des solutions mutualisées émergent via les Centres de Gestion (CDG) et le CNFPT. Certains CDG proposent déjà des services partagés de gestion des candidatures intégrant des fonctionnalités d'assistance numérique.

Quels postes se prêtent le mieux à l'assistance par IA ?

Les postes à fort volume de candidatures (auxiliaires de vie, agents d'entretien, agents administratifs polyvalents) sont les plus adaptés au triage automatisé. Les postes d'encadrement ou de direction, qui requièrent une évaluation fine de postures managériales, se prêtent moins bien à une présélection algorithmique.

Ce que l'IA change vraiment — et ce qu'elle ne changera pas

L'IA appliquée au recrutement public apporte des gains réels, mais strictement localisés : elle compresse la phase administrative de traitement des candidatures, réduit les délais de planification et homogénéise l'application des critères de présélection. Sur un processus de 4 à 6 mois, elle peut économiser 2 à 3 semaines. C'est utile, surtout pour des DRH territoriales souvent en sous-effectif. Ce n'est pas une transformation radicale.

Ce que l'IA ne changera pas : la nécessité de publier les vacances, de constituer des jurys légitimes, de respecter le principe d'égal accès aux emplois publics, et de rendre compte de chaque décision. Le cadre statutaire de la fonction publique n'est pas un obstacle à la modernisation — c'est le socle de confiance sur lequel repose la légitimité du recrutement public. Les collectivités les plus avancées l'ont compris : elles utilisent l'IA pour libérer du temps humain, pas pour s'en affranchir.

Pour les collectivités qui souhaitent explorer concrètement les opportunités de recrutement et les profils disponibles sur le marché, la plateforme d'emploi collectivité centralise les offres de la fonction publique territoriale. Et pour celles qui engagent une réflexion plus large sur leur transformation numérique, la page dédiée à emploi service public offre une vue d'ensemble des dynamiques en cours.

Références : DGAFP, Rapport annuel sur l'état de la fonction publique 2023 · CNFPT, Enquête sur la transformation numérique des collectivités territoriales 2023 · Règlement (UE) 2024/1689 du Parlement européen et du Conseil établissant des règles harmonisées concernant l'intelligence artificielle (AI Act) · CNIL, Lignes directrices sur les systèmes d'IA en matière de ressources humaines, 2022 · Loi n°83-634 du 13 juillet 1983 portant droits et obligations des fonctionnaires · Décret n°2019-1414 du 19 décembre 2019 relatif à la procédure de recrutement pour pourvoir les emplois permanents de la fonction publique ouverts aux agents contractuels · Deloitte, Government Human Capital Trends 2022.