Ce qui est réellement cassé dans le recrutement
Le recrutement est cassé au niveau de la sélection, pas du flux de travail. La sélection, c'est là que vous décidez qui sera lu attentivement et qui ne le sera pas. Tout ce qui suit — les entretiens, les débriefings, l'offre — repose sur cette seule décision. Selon le SHRM 2025 Recruiting Benchmarking Report, le délai de pourvoi moyen aux États-Unis est d'environ 44 jours, et le goulot d'étranglement se situe à l'étape de la sélection vers la shortlist. L'étude de la Harvard Business School sur les « hidden workers » a révélé que 27 millions d'Américains qualifiés sont rejetés par des systèmes de sélection automatisés pour des raisons sans rapport avec leur capacité à faire le travail. Ce n'est pas un problème de flux de travail. C'est un problème de modèle de sélection. L'ATS fait passer les candidats d'une étape à l'autre et leur envoie des notifications par e-mail avec compétence. Il place simplement les mauvaises personnes en haut du classement, et aucune automatisation d'e-mails en aval ne corrige cela.
Donc quand un fondateur dit « mon recrutement est cassé », ce qu'il veut dire presque toujours, c'est « ma shortlist est mauvaise ». La shortlist est le résultat de la sélection. Corrigez la shortlist et le reste de l'entonnoir se calme.
Pourquoi la plupart des ATS optimisent la mauvaise couche
Presque tous les systèmes de suivi des candidatures sur le marché ont été conçus pour un acheteur qui n'est pas vous. L'acheteur initial était une équipe RH d'entreprise de 5 000 personnes dont le problème le plus difficile était la visibilité du flux de travail. Vingt recruteurs gérant dix requêtes chacun. Rapports de conformité pour l'EEO et l'OFCCP. Pistes d'audit pour chaque changement de statut. Ces équipes disposaient déjà d'une capacité de sélection (des humains lisant les CV), l'ATS s'est donc concentré sur leur fournir des tableaux de bord. La sélection a été ajoutée comme un filtre booléen par mots-clés.
Cette architecture est ce que presque tous les ATS modernes livrent encore, avec des améliorations cosmétiques. Workable commence à $149/mo pour une petite équipe et évolue selon le nombre d'employés, pas selon le nombre d'embauches. Les contrats Greenhouse tournent autour de $12,000+ par an pour les équipes de moins de 100 employés, selon les données rapportées par les acheteurs sur PriceLevel. Vous payez pour le flux de travail, et la sélection se réduit à ce que le filtre de mots-clés fait cette semaine-là. Ce filtre est ce qui ne va pas.
Trois choses précises posent problème au niveau des mots-clés. Le système récompense le bourrage de mots-clés, ce qui est largement documenté, notamment par Jobscan. Il rejette des candidats à cause d'un choix de mot (« led » au lieu de « managed ») même quand leur expérience réelle est plus solide. Et il n'a aucune notion de l'impact, donc un ingénieur senior qui a livré un système de détection de fraude en temps réel perd face à un ingénieur junior dont le CV mentionne Python quatre fois.
Le fondateur de startup est l'acheteur le plus mal servi
Si l'acheteur initial de l'ATS était l'équipe RH d'entreprise, l'acheteur le plus mal servi sur ce marché est le fondateur de startup. La raison est structurelle, pas personnelle.
Un fondateur qui recrute sans recruteur n'a pas besoin de tableaux de bord EEO ni de personnalisation de flux de travail à vingt étapes. Il doit lire 150 CV pour un poste et trouver les huit qui méritent qu'on leur parle. C'est un problème de qualité de sélection, pas de flux de travail. Mais les produits sur le marché sont des produits de flux de travail où la sélection est une fonctionnalité, et ils coûtent autant que le salaire d'un ingénieur junior. Le plan Starter de Workable à $149/mo évolue selon le nombre d'employés, ce qui signifie qu'une équipe de 30 personnes qui pourvoit trois postes par an paie la même chose qu'une équipe de 30 personnes qui en pourvoit trente. Les acheteurs de Greenhouse rapportent des contrats dans la fourchette des $10,000+ pour les équipes de moins de 100 employés.
Le fondateur achète donc le produit, obtient une shortlist qui inclut ceux qui bourrent de mots-clés et exclut les candidats solides, et suppose que le recrutement est simplement difficile. C'est difficile. Mais il est aussi rendu plus difficile par la mauvaise couche d'automatisation.
Ce que nous avons appris chez Amazon sur les systèmes de classement
Avant CurriculoATS, notre fondateur Dev a passé des années chez Amazon à travailler sur des systèmes de recherche et de recommandation. La leçon la plus importante de ces systèmes s'applique presque mot pour mot au recrutement : quand l'entrée est désordonnée et que l'utilisateur a une attention limitée, la seule chose qui compte est de savoir si les premiers résultats sont les bons. De la position 1 à la position 10, c'est ce qui décide du résultat. À partir de la position 11, tout pourrait tout aussi bien ne pas exister.Le recrutement fonctionne de la même façon. Le recruteur ou le fondateur lira les dix ou quinze meilleurs CV classés pour un poste. Que le modèle pense que le candidat 73 est légèrement meilleur que le candidat 84 n'a aucune importance ; personne ne regardera jamais ni l'un ni l'autre. La seule question est de savoir si les bonnes personnes sont dans le top dix. C'est la métrique sur laquelle la couche de sélection doit exceller, et presque aucun ATS hérité ne se mesure de cette façon.
CurriculoATS est construit autour de cette seule observation. Le modèle lit les CV à la recherche de résultats mesurables — chiffre d'affaires généré, équipes dirigées, systèmes livrés, problèmes résolus — et produit un score composite de 0–100 avec un paragraphe de raisonnement rédigé pour chaque candidat. Le paragraphe est ce qui rend le système fiable. Vous pouvez le lire, être d'accord, ou passer outre. C'est à cela que ressemble un ATS basé sur les résultats en pratique, et c'est structurellement différent d'un filtre booléen de mots-clés dissimulé sous un tableau de bord soigné. Voir la page de scoring d'impact pour le mécanisme complet.
Le tournant de conformité dont personne ne parle encore
Les outils de recrutement entrent discrètement dans la même phase réglementaire que les modèles des services financiers ont connue vers 2018. Deux textes de loi fixent le niveau d'exigence : la NYC Local Law 144 (en vigueur depuis juillet 2023) exige un audit de biais publié et une notification au candidat pour tout outil automatisé de décision d'embauche utilisé sur un candidat résident à New York, et l'EU AI Act classe l'IA de recrutement comme à haut risque selon l'Annexe III, avec les obligations correspondantes applicables à partir d'août 2026. Les deux régimes partagent une hypothèse technique : le raisonnement du modèle doit être documentable. Un score de correspondance de 73 % sans explication ne peut pas être audité ; un paragraphe qui nomme les résultats spécifiques du candidat et la façon dont ils correspondent au poste, oui. La plupart des ATS hérités ne se sont pas adaptés à cela. Leurs fonctionnalités d'IA ont été greffées sur des pipelines de mots-clés précisément parce que c'était moins cher que de reconstruire le classificateur, et le fardeau de la documentation retombe sur le client qui a la malchance d'être audité en premier. Les fondateurs qui comparent les fournisseurs d'ATS en 2026 devraient poser trois questions lors de la sélection : où est publié le résumé de l'audit de biais, que dit le modèle de notification au candidat, et le fournisseur peut-il produire le paragraphe de raisonnement pour n'importe quel score spécifique à la demande. Les fournisseurs qui répondent clairement aux trois ont fait le travail d'ingénierie. Ceux qui esquivent ne l'ont pas fait, et cet écart va se creuser à mesure que l'application de l'Annexe III commencera fin 2026. La correction de la couche de sélection fait office de correction de conformité, ce qui est rare dans les transitions réglementaires et mérite d'être traité comme une fonctionnalité plutôt que comme une note de bas de page.
Ce qu'un fondateur change cette semaine
Si vous êtes un fondateur et que votre recrutement vous semble cassé, les actions au plus fort impact ne sont pas celles auxquelles vous vous attendez. Ce n'est pas publier sur plus de job boards ni faire plus de prospection.
- Arrêtez de classer les candidats par densité de mots-clés. Si votre ATS actuel trie la boîte de réception par correspondance de tokens, chaque candidat qui a postulé à plus de quelques offres a truqué le système.
- Réécrivez la fiche de poste en termes de résultats. « Dans les six premiers mois, cette personne livrera X » bat « responsable de X ». Le modèle de sélection a plus de matériel sur lequel s'appuyer.
- Limitez la shortlist à douze. Au-delà de douze, l'attention chute et le choix devient aléatoire.
- Regardez les candidats que le système a rejetés. Si votre dernière bonne embauche aurait été rejetée par votre ATS actuel, c'est l'ATS le problème.
- Passez à un tarif fixe basé sur le volume d'embauches, pas sur les effectifs. La tarification par siège ou par employé vous punit pour être le type d'entreprise que vous voulez être.