Où l'IA dans les RH crée le plus de risques de gouvernance

Les équipes RH qui déploient l'IA sont soumises à des obligations de gouvernance qui couvrent trois phases distinctes de la relation de travail. Une erreur sur l'une de ces phases crée un risque juridique, réputationnel et opérationnel significatif.

L'IA de recrutement et de sélection : la phase la plus scrutée

L'IA appliquée au recrutement attire le plus d'attention réglementaire à l'échelle mondiale, car c'est là que la discrimination algorithmique a les conséquences les plus lourdes, en déterminant qui accède ou non aux opportunités d'emploi.

L'obligation centrale dans toutes les grandes juridictions est le test d'impact disparate : l'IA produit-elle des résultats significativement différents pour les candidats issus de différents groupes protégés ? Aux États-Unis, les lignes directrices techniques de l'EEOC de mai 2023 confirment que le Title VII s'applique aux outils d'IA de recrutement, même lorsqu'ils proviennent de fournisseurs tiers, et que l'employeur reste responsable des résultats discriminatoires. Au Royaume-Uni, la discrimination indirecte au titre de l'Equality Act 2010 s'applique aux outils de présélection par IA. Dans l'UE, les systèmes d'IA liés à l'emploi relèvent de la catégorie à haut risque de l'annexe III au titre de l'EU AI Act, avec des obligations complètes d'évaluation de conformité et de contrôle humain. En Australie, le Racial Discrimination Act, le Sex Discrimination Act, le Disability Discrimination Act et l'Age Discrimination Act s'appliquent tous aux résultats discriminatoires issus de l'IA de recrutement.

Avant de déployer tout outil d'IA de recrutement : exigez du fournisseur qu'il communique des données de test de biais couvrant toutes les caractéristiques protégées pertinentes dans votre juridiction ; menez votre propre analyse d'impact disparate en prenant la règle des quatre cinquièmes comme point de départ ; mettez en place un véritable contrôle humain des recommandations de l'IA avant toute décision ; documentez vos processus de test de biais et de contrôle humain ; et vérifiez les documents destinés aux candidats afin de garantir la divulgation du recours à l'IA lorsque celle-ci est requise (NYC LL144, Illinois AI Video Interview Act, et les obligations de transparence du RGPD/UK GDPR).

L'IA dans la gestion de la performance : l'enjeu du consentement et du processus

L'IA de gestion de la performance, le suivi de la productivité, la notation de la qualité, la fixation algorithmique des indicateurs de performance (KPI), crée trois défis de gouvernance distincts.

Premièrement, la transparence : les salariés doivent être informés que l'IA est utilisée pour évaluer leur performance. Au titre de l'Australian Privacy Act, du RGPD et du UK GDPR, les avis de confidentialité doivent être mis à jour pour refléter le recours à l'IA dans la gestion de la performance. À compter de décembre 2026, l'Australian Privacy Act imposera la divulgation spécifique, dans les politiques de confidentialité, de toute prise de décision substantiellement automatisée. Le code Employment Practices de l'ICO (l'autorité britannique de protection des données) impose aux employeurs britanniques de divulguer la surveillance du lieu de travail sous une forme accessible.

Deuxièmement, l'exactitude et la contestabilité : les scores de performance générés par l'IA ne valent que ce que valent les indicateurs sous-jacents. Une IA qui mesure le nombre de frappes clavier par heure capte la quantité de production, mais pas la qualité, le contexte ou la collaboration. Une mesure disciplinaire fondée sur des données de performance générées par l'IA qui sont systématiquement biaisées ou qui captent les mauvais signaux risque de ne pas satisfaire aux exigences d'équité procédurale dans les procédures de licenciement abusif. Donnez aux salariés la possibilité de contester les données de performance générées par l'IA et mettez en place un contrôle humain des évaluations avant qu'elles ne déclenchent des conséquences disciplinaires.

Troisièmement, le risque psychosocial : la surveillance de la performance par IA crée des risques psychosociaux documentés dans les lieux de travail australiens au titre du cadre WHS (santé et sécurité au travail). Une surveillance constante, des objectifs algorithmiques imprévisibles et une notation opaque créent les conditions d'un préjudice psychologique lié au travail. Les employeurs doivent évaluer et maîtriser ces risques en vertu des réglementations relatives aux risques psychosociaux des États et territoires (Victoria : entrée en vigueur le 1er décembre 2025 ; toutes les autres juridictions : déjà en vigueur).

L'IA dans la planification des effectifs : restructuration et suppression de postes

L'IA est de plus en plus utilisée pour modéliser des scénarios d'effectifs, identifier des opportunités de gains d'efficacité et classer les salariés en vue d'éventuelles suppressions de poste. Cet usage attire le risque juridique le plus grave, car il touche directement à la sécurité de l'emploi.

En Australie, le Fair Work Act impose une véritable consultation avant tout changement significatif sur le lieu de travail, y compris les suppressions de poste. Lorsque la modélisation par IA est utilisée pour identifier les postes à supprimer, l'employeur doit être en mesure d'expliquer et de justifier les critères de sélection auprès des salariés concernés et de leurs représentants, et les résultats du modèle doivent faire l'objet d'un véritable contrôle humain. Des critères de sélection pour suppression de poste qui identifient de manière disproportionnée des salariés d'un âge, d'un genre ou d'un statut de handicap particulier peuvent constituer une discrimination illicite, même si le modèle n'a pas utilisé ces caractéristiques directement.

L'étude de cas de l'algorithme de recrutement d'Amazon est instructive : un modèle entraîné sur des données historiques reflète des schémas historiques, y compris les discriminations passées. Une IA de sélection pour suppression de poste entraînée sur des données issues d'un effectif auparavant moins diversifié aura tendance à perpétuer ce manque de diversité à travers ses sélections. Exigez un audit de biais indépendant de tout modèle d'IA de sélection pour suppression de poste avant son utilisation, et examinez attentivement les résultats de sélection à la recherche de schémas liés à une caractéristique protégée avant toute communication de décisions de suppression de poste.

Construire une infrastructure de gouvernance pour l'IA RH

Un cadre durable de gouvernance de l'IA pour les RH exige : un registre de l'IA répertoriant tous les outils d'IA RH, leur finalité, les données qu'ils traitent et les décisions qu'ils influencent ; des protocoles de test de biais pour chaque outil, réalisés au moins une fois par an et après toute mise à jour significative du modèle ; une exigence de supervision humaine (« human-in-the-loop ») pour toutes les décisions RH significatives, l'IA informe, l'humain décide ; un cadre de divulgation aux salariés, précisant ce qui leur est communiqué sur le recours à l'IA à chaque phase de leur emploi ; un processus de contestabilité, décrivant comment les salariés peuvent contester les évaluations générées par l'IA ; et un plan de réponse aux incidents pour les cas où l'IA RH produit des erreurs ou des résultats discriminatoires.

Rien de tout cela ne doit être complexe. Une petite entreprise disposant d'un ou deux outils d'IA RH peut satisfaire à ces exigences au moyen d'une documentation simple et d'un processus clair. L'essentiel est que cette gouvernance soit réelle, et non un document de politique jamais appliqué. Les régulateurs et les tribunaux du travail examinent de plus en plus si la gouvernance de l'IA consignée dans les politiques a réellement été mise en œuvre dans la pratique.

Pour aller plus loin : ILO AI and Labour

À lire également

Pour aller plus loin : ILO AI and Labour