Cette simulation Chargé de Recrutement — Présélection Automatisée, Égalité de Traitement et Refus Motivé est-elle gratuite ?

Oui. La simulation est 100 % gratuite, sans inscription requise pour démarrer, et accessible depuis n'importe quel navigateur.

Combien de temps dure la simulation ?

Environ 880 minutes. Tu peux la mettre en pause et reprendre plus tard — ta progression est sauvegardée localement.

Est-ce une offre d'emploi chez Cabinet de recrutement et de délégation de compétences, 4 200 candidatures par mois (scénario) ?

Non. Il s'agit d'une simulation pédagogique conçue par CareerOn Research Lab à partir de sources publiques. Elle te permet de tester le métier avant de postuler ailleurs.

Ai-je besoin d'un diplôme ou d'expérience pour la faire ?

Non. La simulation est conçue pour les étudiants, juniors et personnes en reconversion. Aucun prérequis technique strict.

Vais-je recevoir un certificat ou un rapport à la fin ?

Oui. À la fin de la simulation, tu reçois un rapport personnalisé qui résume tes décisions, points forts et axes de progression — utile pour ton CV ou un entretien.

Chargé de Recrutement, Reprendre en Main un Outil de Présélection Automatisée

Simulation de métier

Chargé de Recrutement, Reprendre en Main un Outil de Présélection Automatisée

Mesurer l’écart, débusquer le proxy, fixer un seuil qui se défend en euros, et refuser une personne nommée par écrit

10 heures

Intermédiaire

Conseil

Ouverte

Profil Recherché

Une note de qualification écrite : outil classé à haut risque par le point 4 a) de l’annexe III, 2 778 candidatures écartées sans lecture humaine soit 79,83 %, et cinq obligations non tenues nommées une à une.

Une mesure d’écart : 12,41 % de passage pour les candidats en quartier prioritaire contre 22,76 %, un ratio de 54,55 % et 90 personnes manquantes nommément dénombrées.

Un contrefactuel chiffré démontrant qu’abaisser le seuil ne corrige rien — ratio 66,99 % — et que le retrait de deux pénalités le porte à 95,42 %.

Un seuil réétalonné de 68 à 55, justifié par un budget d’erreur de 12 675,00 euros contre 22 905,00, et un relevé de séance contradictoire signé par la juriste qui vous a contredit.

Pourquoi cette simulation compte

Construisez une expérience concrète et la confiance pour la suite.

Description

Vous êtes recruté comme chargé de recrutement chez Ardenn Talents, cabinet de 4 200 candidatures traitées par mois. Votre première campagne est celle de Fonderie Vallier, client industriel qui cherche 62 techniciens de maintenance : 3 480 candidatures reçues, un outil de présélection nommé TalentRank qui attribue un score de 0 à 100, un seuil fixé à 68 par le prestataire. À votre arrivée, 702 dossiers ont été lus et 2 778 ont été écartés sans qu’aucun être humain les ouvre, soit 79,83 % du total. L’outil relève du point 4 a) de l’annexe III du règlement européen sur l’intelligence artificielle : il est classé à haut risque, et vous êtes la surveillance humaine que la loi, le cabinet et le client supposent déjà en place. Vous allez mesurer l’écart de sélection entre groupes, démontrer que la pénalité de trajet domicile-travail est un proxy du lieu de résidence, réétalonner le seuil sur un budget d’erreur chiffré en euros, contredire l’outil par écrit sur une candidate nommée, le confirmer contre une recommandation interne, écrire 1 839 refus motivés et opposables, puis rendre des comptes devant une juriste qui aura raison sur deux points.

Comment ça se passe

Quelques étapes pour commencer

S’inscrire et commencer

Créez votre compte et ouvrez la mission.

Faire le travail

Traitez chaque mission comme le métier se pratique vraiment.

Lire votre signal

Voyez ce que votre travail a montré, cité depuis ce que vous avez écrit.

Garder la preuve

Emportez la preuve dans vos candidatures et vos entretiens.

Opportunités & mises à jour

De nos partenaires

Link

Découvrez d'autres simulations

Update

Comment vos réponses sont lues

Event

Rendre votre profil visible aux entreprises

Compétences Développées

Ce que vous maîtriserez

Qualification écrite d’un outil de présélection au regard du point 4 a) de l’annexe III du règlement sur l’IA, et de l’article 22 du règlement général sur la protection des données

Mesure d’un écart de sélection entre groupes, avec ratio de sélection, écart en points et nombre de personnes manquantes

Identification et retrait d’une variable proxy d’un critère prohibé, avec contrefactuel chiffré

Fixation d’un seuil de décision sur un budget d’erreur exprimé en euros et vérifié contre une contrainte de capacité de lecture

Rédaction d’une décision écrite contredisant le système sur une personne nommée, et d’une décision le confirmant contre une recommandation interne

Prérequis

Ce que vous devez maîtriser

Savoir lire un tableau de chiffres et calculer un pourcentage, sans formation statistique préalable

Manipuler un tableur : taux, ratios, moyennes, tableaux croisés simples, conversions minutes-heures-euros

Accepter d’écrire une décision défavorable à une personne nommée, et de la lui expliquer en face

Market signals

Ce que les sources publiques et la recherche établissent déjà, chiffres datés à l’appui

Cinq repères vérifiables qui expliquent pourquoi ce métier se joue sur des mesures et des écrits, et non sur des convictions.

675 offres testées, 3 375 candidatures envoyées, plus de 20 % de chances en moins avec une adresse en quartier prioritaire

Le biais que vous cherchez dans la machine est déjà mesuré chez les humains

Le testing DESPERADO V, conduit entre octobre 2023 et mars 2024 sur 408 offres du secteur privé (60,5 %) et 267 du secteur public (39,5 %), mesure qu’une adresse en quartier prioritaire de la ville fait baisser de plus de 20 % les chances d’obtenir une réponse positive. Un outil entraîné sur des décisions passées apprend cette pénalité sans qu’on la lui écrive.

Source · DESPERADO V, université Gustave Eiffel et TEPP pour la DGAFP, 25 octobre 2024

Décision n° 2025-182 du 10 octobre 2025 : discrimination indirecte fondée sur le sexe par diffusion algorithmique d’offres

L’automatisation n’exonère personne

Le Défenseur des droits a qualifié de discrimination indirecte le ciblage algorithmique de la diffusion d’offres d’emploi par une plateforme. Le mécanisme était automatique, aucune intention n’était établie, et la qualification a été retenue. C’est le précédent qui interdit de répondre « c’est l’outil » en séance.

Source · Défenseur des droits, décision n° 2025-182, 10 octobre 2025

Information préalable obligatoire sur les méthodes d’aide au recrutement et sur les traitements automatisés

Le comité social et économique doit être informé avant, pas après

L’article L2312-38 du code du travail impose l’information du comité social et économique préalablement à l’utilisation des méthodes ou techniques d’aide au recrutement, et préalablement à l’introduction dans l’entreprise des traitements automatisés de gestion du personnel. Un outil déployé sans cette étape est irrégulier quelle que soit sa qualité technique.

Source · Code du travail, article L2312-38

Protocole d’audit par correspondance appliqué aux systèmes d’aide au recrutement

Mesurer un biais exige des paires, pas des moyennes

La recherche récente sur l’audit des modèles de langage utilisés en recrutement construit des paires de dossiers identiques à un attribut près. C’est la seule méthode qui isole l’effet de l’attribut testé : une différence de taux entre deux populations réelles mélange l’effet du système et les différences de profil.

Source · Auditing the Use of Language Models to Guide Hiring Decisions, arXiv:2404.03086, 2024

Cadre public d’évaluation du biais de genre dans les tâches de tri de candidatures

Le biais de genre en tri de candidatures est devenu un objet de mesure reproductible

Un cadre reproductible, avec métriques explicites et jeu d’épreuves publié, permet aujourd’hui de tester le biais de genre d’un système de tri. La conséquence professionnelle est directe : « nous n’avons pas les moyens de mesurer » n’est plus une réponse recevable devant un juge ou une autorité.

Source · JobFair — Benchmarking Gender Hiring Bias in Large Language Models, arXiv:2406.15484, 2024

La simulation en action

Découvrez comment les situations prennent vie

EUR-Lex — Règlement (UE) 2024/1689 établissant des règles harmonisées concernant l’intelligence artificielle

eur-lex.europa.eu

FILE

Texte au Journal officiel de l’Union européenne du 12 juillet 2024. Annexe III point 4 a) : les systèmes utilisés pour analyser et filtrer les candidatures et évaluer les candidats sont classés à haut risque. Article 14 : contrôle humain effectif par des personnes disposant des compétences, de la formation et de l’autorité nécessaires. Article 26 : obligations du déployeur. Article 86 : droit à explication de la décision individuelle.

Article 26 du règlement sur l’IA — Obligations incombant aux déployeurs de systèmes à haut risque

artificialintelligenceact.eu

FILE

Version consolidée et annotée de l’article 26 : contrôle humain confié à des personnes compétentes et habilitées, tenue des journaux générés automatiquement pendant « au moins six mois », information préalable des représentants des travailleurs et des travailleurs concernés avant mise en service sur le lieu de travail, information des personnes physiques soumises au système.

Article 86 du règlement sur l’IA — Droit à l’explication des décisions individuelles

artificialintelligenceact.eu

FILE

Toute personne faisant l’objet d’une décision prise sur la base des sorties d’un système à haut risque de l’annexe III qui produit des effets juridiques ou l’affecte de manière significative a le droit d’obtenir des explications claires et pertinentes sur le rôle du système dans la procédure décisionnelle et sur les principaux éléments de la décision prise.

CNIL — Profilage et décision entièrement automatisée

cnil.fr

FILE

Doctrine de l’autorité française sur l’article 22 du règlement général sur la protection des données : droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé produisant des effets juridiques ou affectant la personne de manière significative, et garanties associées — intervention humaine, expression du point de vue, contestation.

Lignes directrices WP251 rév.01 relatives à la prise de décision individuelle automatisée et au profilage

cnil.fr

FILE

Document adopté le 3 octobre 2017 et révisé le 6 février 2018 par le groupe de travail « article 29 », hébergé par la CNIL. Précise qu’une décision reste « exclusivement automatisée » lorsque l’intervention humaine est formelle et n’exerce aucune influence réelle sur le résultat : une validation de pure forme ne fait pas sortir le traitement du champ de l’article 22.

CNIL — Référentiel des durées de conservation, gestion des ressources humaines

cnil.fr

FILE

Référentiel publié le 2 avril 2026 et mis à jour le 20 mai 2026 : dossier de candidature d’un candidat non retenu conservé jusqu’à 2 ans à compter du dernier contact, et 5 ans à compter de la date à laquelle le poste a été pourvu à des fins probatoires, pour les éventuelles actions en discrimination.

Code du travail, article L1221-6 — Informations demandées au candidat

code.travail.gouv.fr

FILE

Les informations demandées au candidat ne peuvent avoir comme finalité que d’apprécier sa capacité à occuper l’emploi proposé ou ses aptitudes professionnelles, et doivent présenter un lien direct et nécessaire avec l’emploi proposé ou avec l’évaluation des aptitudes professionnelles.

Code du travail, article L1221-8 — Méthodes et techniques d’aide au recrutement

code.travail.gouv.fr

FILE

Le candidat est expressément informé, préalablement à leur mise en œuvre, des méthodes et techniques d’aide au recrutement utilisées à son égard ; les résultats obtenus sont confidentiels ; ces méthodes doivent être pertinentes au regard de la finalité poursuivie.

Code du travail, article L1132-1 — Principe de non-discrimination

code.travail.gouv.fr

FILE

Nul ne peut être écarté d’une procédure de recrutement en raison de l’un des critères prohibés énumérés par renvoi à l’article 1er de la loi n° 2008-496 du 27 mai 2008, parmi lesquels figurent expressément le lieu de résidence, l’âge, la situation de famille, l’état de santé et l’origine.

Code du travail, article L1134-1 — Charge de la preuve en matière de discrimination

code.travail.gouv.fr

FILE

Le candidat présente des éléments de fait laissant supposer l’existence d’une discrimination directe ou indirecte ; au vu de ces éléments, il incombe à la partie défenderesse de prouver que sa décision est justifiée par des éléments objectifs étrangers à toute discrimination.

Code du travail, article L2312-38 — Information du comité social et économique

code.travail.gouv.fr

FILE

Le comité social et économique est informé, préalablement à leur utilisation, sur les méthodes ou techniques d’aide au recrutement des candidats à un emploi ainsi que sur toute modification de celles-ci, et préalablement à leur introduction dans l’entreprise, sur les traitements automatisés de gestion du personnel.

Défenseur des droits et CNIL — Algorithmes : prévenir l’automatisation des discriminations (31 mai 2020)

defenseurdesdroits.fr

FILE

Rapport conjoint de l’autorité indépendante et de l’autorité de protection des données sur le risque de reproduction et d’amplification, par les systèmes automatisés, des discriminations présentes dans les données historiques, et sur les exigences de transparence et d’auditabilité qui en découlent.

Défenseur des droits — Décision n° 2025-182 du 10 octobre 2025

juridique.defenseurdesdroits.fr

FILE

Décision par laquelle la diffusion algorithmique d’offres d’emploi par une plateforme en ligne est qualifiée de discrimination indirecte fondée sur le sexe : la responsabilité n’est pas écartée par le caractère automatique du mécanisme de ciblage.

DESPERADO V — Discrimination à l’embauche, âge et origine : une évaluation par test multi-critères (25 octobre 2024)

fonction-publique.gouv.fr

FILE

Testing conduit par l’université Gustave Eiffel et le laboratoire TEPP pour la direction générale de l’administration et de la fonction publique : 675 offres testées, 3 375 candidatures envoyées entre octobre 2023 et mars 2024, 408 offres du secteur privé (60,5 %) et 267 du secteur public (39,5 %) ; une adresse en quartier prioritaire de la ville fait baisser de plus de 20 % les chances d’obtenir une réponse positive.

ACM FAccT 2024 — « The four-fifths rule is not disparate impact » (DOI 10.1145/3630106.3658938)

doi.org

FILE

Article de conférence évalué par les pairs démontrant que la règle dite « des quatre cinquièmes » n’est ni un test juridique de discrimination, ni une preuve d’absence de discrimination lorsqu’elle est respectée : c’est un seuil d’alerte statistique, dont l’usage comme critère de conformité constitue une erreur de méthode.

Identifying and Improving Disability Bias in GPT-Based Resume Screening (arXiv:2402.01732)

arxiv.org

FILE

Prépublication mesurant le biais introduit par un modèle de langage lorsqu’il classe des curriculum vitæ mentionnant un handicap ou des activités associatives liées au handicap : le signal pénalisant provient de mentions sans lien avec l’aptitude professionnelle.

Auditing the Use of Language Models to Guide Hiring Decisions (arXiv:2404.03086)

arxiv.org

FILE

Prépublication proposant un protocole d’audit correspondance appliqué aux systèmes d’aide à la décision de recrutement : la mesure porte sur des paires de dossiers identiques à un attribut près, ce qui isole l’effet du seul attribut testé.

JobFair — A Framework for Benchmarking Gender Hiring Bias in Large Language Models (arXiv:2406.15484)

arxiv.org

FILE

Prépublication proposant un cadre reproductible de mesure du biais de genre dans les tâches de tri de candidatures confiées à des modèles de langage, avec des métriques statistiques explicites et un jeu d’épreuves publié.

Les missions du programme

Ouvrez une mission pour voir ce que vous allez produire

☆

Aperçu du programme

Task 1

Task 2

Task 3

Task 4

Task 5

Task 6

Task 7

Task 8

🏁

Ligne d’arrivée

Aperçu du programme

Ce que vous allez vivre

Qualifier avant de toucher
Mesurer l’écart
Débusquer le proxy
Décider et rendre compte

Prérequis

Savoir lire un tableau de chiffres et calculer un pourcentage, sans formation statistique préalable
Manipuler un tableur : taux, ratios, moyennes, tableaux croisés simples, conversions minutes-heures-euros
Accepter d’écrire une décision défavorable à une personne nommée, et de la lui expliquer en face

Ce que disent les pairs

Témoignages de professionnels qui ont vécu des missions équivalentes

4.8 •5 voix d’experts

Story

“La mission 3 m’a appris à faire un contrefactuel : baisser le seuil ne change rien, 66,99 %, et retirer deux pénalités fait passer à 95,42 %. En entretien, on m’a demandé de refaire le calcul au tableau. J’ai eu le poste.”

Inès B.

Assistante RH, 26 ans, premier poste

Vers un poste de chargée de recrutement

Story

“La mission 4 m’a fait comprendre qu’un seuil se défend en euros : 22 905,00 contre 12 675,00. C’est la première fois que je pouvais discuter d’équité avec un DRH sans qu’on me réponde qu’on n’avait pas le budget.”

Damien R.

Chargé de recrutement en reconversion, ancien conducteur de ligne

Vers le recrutement industriel

Story

“Ces simulations m'ont aidée à projeter ce que serait mon premier poste. Très concret.”

Inès K.

Étudiante M2

Sciences Po

Story

“Le format est addictif et utile en entretien.”

Adrien L.

Diplômé école d'ingé

INSA Lyon

Story

“L'outil idéal pour tester un métier avant de s'engager.”

Maya T.

En reconversion

—

Ce que disent les pairs

Témoignages de professionnels qui ont vécu des missions équivalentes

4.8•5 voix d’experts

Story

“La mission 3 m’a appris à faire un contrefactuel : baisser le seuil ne change rien, 66,99 %, et retirer deux pénalités fait passer à 95,42 %. En entretien, on m’a demandé de refaire le calcul au tableau. J’ai eu le poste.”

Inès B.

Assistante RH, 26 ans, premier poste

Vers un poste de chargée de recrutement

Prêt à commencer ?

Faites le travail, gardez la preuve.