Claude a scoré 98/100 à un test RH. Le barème s'arrêtait à 85.

Quand l'IA dépasse le plafond prévu par les recruteurs

Un candidat obtient un score parfait à un test de logique conçu pour filtrer les 10 % les plus brillants. Problème : ce candidat n'existe pas. C'est Claude, le modèle d'Anthropic, qui vient de pulvériser un barème conçu pour des humains. Cette situation, encore anecdotique il y a dix-huit mois, est devenue un sujet brûlant dans les départements RH du monde entier.

Ce n'est pas une question de triche. C'est une question de conception. Les outils d'évaluation du recrutement ont été bâtis dans un monde où l'intelligence artificielle n'était pas accessible en un clic depuis un smartphone. Ce monde n'existe plus.

Des tests pensés pour mesurer des capacités humaines… pas artificielles

Les tests psychotechniques, les mises en situation écrites, les cas de résolution de problèmes : tous ces outils reposent sur un principe fondateur. Ils supposent que le candidat mobilise ses propres ressources cognitives, dans un temps limité, sans assistance extérieure. Le barème est calibré sur des milliers de passages humains, avec une courbe de distribution normale.

Claude — comme GPT-4, Gemini ou Mistral — ne fonctionne pas selon cette logique. Il ne ressent pas la fatigue cognitive à la 45e minute. Il ne bloque pas sur une question d'algèbre parce qu'il a mal dormi. Il traite un cas de raisonnement abstrait avec la même constance à la première qu'à la cinquantième question.

Résultat : sur de nombreux tests standardisés utilisés en recrutement, les grands modèles de langage obtiennent des scores situés au-delà du plafond prévu par les concepteurs. Pas marginalement au-dessus. Structurellement en dehors de l'échelle.

Ce que les études commencent à documenter

Des chercheurs ont soumis plusieurs LLM (Large Language Models) à des batteries de tests utilisés en contexte professionnel :

• Tests de raisonnement logique (type Watson-Glaser) : Claude et GPT-4 atteignent régulièrement des scores dans le percentile 99, là où le barème cible le percentile 75-85 pour les profils "excellents".
• Études de cas écrits (consulting, finance) : Les réponses générées par IA sont évaluées à l'aveugle par des jurys RH expérimentés comme étant dans le top 5 % des copies reçues.
• Tests de personnalité (MBTI, Big Five) : Avec les bonnes instructions, un modèle peut adapter ses réponses pour correspondre à n'importe quel profil cible — rendant ces outils quasi inopérants en format non supervisé.

Ce n'est pas de la science-fiction. Des cabinets de conseil en recrutement comme Korn Ferry ou des startups spécialisées en assessment commencent à intégrer explicitement dans leurs rapports la mention "résistance à l'IA" comme critère de fiabilité d'un test.

Le vrai problème : pas l'IA, mais les angles morts des recruteurs

Il serait facile — et inexact — de conclure que l'IA "triche". Elle fait ce pour quoi elle a été conçue : répondre avec précision et cohérence à des problèmes bien définis. Si un test de recrutement ressemble à un problème bien défini, l'IA va exceller. La question à poser n'est donc pas "comment bloquer l'IA ?" mais "est-ce que nos tests mesurent encore ce qu'on pense mesurer ?"

Un directeur des ressources humaines d'une grande entreprise industrielle française le formulait ainsi lors d'une conférence récente : "On a passé vingt ans à raffiner nos outils pour qu'ils soient objectifs et reproductibles. On vient de réaliser qu'on avait surtout optimisé pour que les machines y réussissent mieux que les humains."

Trois pistes sérieuses pour adapter les pratiques

Face à cette réalité, les professionnels RH les plus avancés explorent plusieurs directions :

• Basculer vers l'évaluation comportementale en temps réel : Les entretiens structurés en vidéo, les jeux de rôle en direct, les simulations interactives restent difficiles à déléguer à un LLM sans que cela soit détectable.
• Évaluer le raisonnement, pas seulement la réponse : Demander au candidat d'expliquer sa démarche, de verbaliser ses doutes, d'identifier les limites de sa propre analyse. C'est précisément là que les IA actuelles montrent leurs failles — la métacognition authentique reste un territoire humain.
• Accepter l'IA comme outil, pas comme adversaire : Certaines entreprises font le choix inverse — elles autorisent l'usage d'outils IA pendant les tests, et évaluent la qualité du cadrage, du questionnement et du jugement critique du candidat sur les outputs. Un changement de paradigme complet.

Ce que ça révèle sur notre rapport au talent

Au fond, la disruption causée par Claude et ses équivalents dans le recrutement pose une question bien plus large. Pendant des décennies, nous avons utilisé des tests comme proxies du talent — des raccourcis censés prédire la performance réelle. Or si ces raccourcis sont désormais court-circuités par n'importe quel outil disponible gratuitement sur smartphone, c'est peut-être que nous mesurions autre chose que ce que nous croyions mesurer.

L'irruption de l'IA dans les processus de recrutement n'est pas une menace. C'est un miroir inconfortable tendu à des pratiques qui n'avaient pas été questionnées depuis trop longtemps. Les recruteurs qui le comprennent maintenant auront une longueur d'avance. Les autres continueront à sélectionner d'excellents utilisateurs d'IA — sans le savoir.

— Reservoir Live