L’adoption de l’IA dans la recherche d’emploi en 2026

Quand adapter un CV prenait une heure, le faire constituait un vrai différenciateur : la plupart des candidats ne le faisaient pas, donc ceux qui le faisaient ressortaient. Cet avantage a disparu. Non pas parce que l’adaptation a cessé de fonctionner — elle fonctionne toujours, et un CV qui correspond à l’offre se classe toujours mieux dans une recherche par mots-clés dans l’ATS qu’un CV générique — mais parce que c’est devenu le minimum. On le fait pour ne pas être écarté, pas pour prendre de l’avance.

C’est le schéma à retenir : l’IA a relevé le niveau minimum d’une candidature sans relever le niveau maximum. La meilleure candidature à un poste reste celle de quelqu’un qui correspond réellement au poste et sait expliquer pourquoi. Aucun modèle ne produit cela à partir d’une page blanche, car ce dont il a besoin, c’est de votre expérience réelle et de votre propre jugement sur l’endroit où elle s’applique.

La réponse évidente à des candidatures moins coûteuses est d’en envoyer davantage, et toute une catégorie d’outils sert exactement à cela. Le problème est arithmétique. Si candidater coûte moins cher à tout le monde, tout le monde candidate plus : le nombre de candidatures par poste augmente, celui des postes non. Le taux de réponse par candidature baisse à effort constant — et il baisse le plus vite pour les candidatures génériques que produisent les outils de volume, car ce sont celles qu’un classement par mots-clés place en dernier.

La ressource rare n’a jamais été le nombre d’envois. C’est l’attention : celle du recruteur, et la vôtre. Consacrer la vôtre à des offres pour lesquelles vous êtes plausiblement pertinent, et en quantité suffisante pour dire quelque chose de précis sur chacune, reste l’approche qui n’a pas été neutralisée. Nous détaillons comment choisir ces offres dans notre guide sur le ciblage des annonces.

Ce que les candidats vivent comme un « tri par IA » est le plus souvent un ATS qui fait ce qu’il fait depuis des années : extraire le CV en champs structurés et permettre au recruteur de les chercher par mots-clés. Les modèles récents s’ajoutent par-dessus pour résumer et classer. La couche du dessous n’a pas disparu, et c’est toujours là que les candidatures se perdent.

C’est important parce que cet échec est invisible. Si l’extracteur n’arrive pas à lire un intitulé de poste dans une mise en page à deux colonnes, ce champ est vide dans la recherche du recruteur : le candidat n’est pas rejeté, il n’apparaît simplement jamais. Aucune sophistication du modèle placé au-dessus ne récupère un champ que l’extracteur n’a jamais extrait. Les mécanismes sont détaillés dans notre guide sur le parsing ATS.

Si produire des candidatures ne coûte plus rien et que le tri est mécanique, le levier qui reste tient à la sélection et au suivi : choisir un ensemble réduit d’offres qui correspondent vraiment, rendre chaque candidature lisible par l’extracteur, et suivre ce que vous avez envoyé pour relancer tant que l’annonce est encore ouverte. Rien de spectaculaire, et pourtant tout cela a survécu au changement.

Le résumé honnête est que l’IA a supprimé une corvée, pas une contrainte. La contrainte a toujours été que les employeurs ont moins de postes que de candidats et une attention limitée à répartir. Les outils qui vous aident à viser les bonnes offres travaillent avec cette contrainte. Ceux qui vous aident à candidater à davantage d’offres travaillent contre elle.