Tous nos articles

De la sélection des CV aux entretiens automatisés, l’IA redéfinit les codes du recrutement. Une révolution technologique qui soulève toutefois de nombreuses interrogations. 

Tri de CV en quelques secondes, analyse des visages en visio, scoring des candidatures… L’intelligence artificielle s’invite de plus en plus dans les processus de recrutement. Présentée comme un gain de temps considérable pour les recruteurs, elle promet aussi plus d’objectivité. Mais derrière cette efficacité affichée, une question persiste : peut-on vraiment faire confiance à l’IA pour choisir les bons profils ? 

Aujourd’hui, de nombreuses entreprises utilisent des logiciels capables d’analyser des milliers de candidatures en un temps record. Ces outils s’appuient sur des algorithmes pour repérer des mots-clés dans les CV, évaluer les expériences ou encore classer les candidats selon leur « compatibilité » avec le poste. C’est le cas de logiciels comme HireVue, Pymetrics ou encore Workday, largement utilisés par les grandes entreprises pour automatiser le tri des candidatures. Certaines plateformes vont encore plus loin : elles proposent des entretiens vidéo automatisés. Des solutions comme HireVue ou Modern Hire analysent la voix, le regard ou les expressions faciales pour évaluer la personnalité du candidat. Sur le papier, le concept est séduisant : moins de biais humains, un traitement rapide des candidatures et une meilleure adéquation entre profil et poste.

Taïwan est bien plus qu’un point de tension géopolitique. Malgré sa petite taille, l’île figure parmi les acteurs majeurs du brevet mondial et sa pratique de la veille technologique mérite l’attention des professionnels de l’information. Un rapport récent de l’Office taïwanais de la Propriété Intellectuelle (TIPO) sur les systèmes de propulsion des drones en offre une illustration concrète : méthodologie rigoureuse, visée opérationnelle immédiate, ancrage dans les enjeux d’indépendance technologique.

À l'heure où la souveraineté technologique est devenue une priorité, ce rapport taïwanais montre ce que peut être une veille brevet vraiment au service de la stratégie.

Taïwan, un acteur à suivre dans le monde du brevet

Malgré sa petite taille (36 200 km2, 24 millions d’habitants), Taïwan occupe une place de premier plan dans le monde du brevet. Le TIPO a reçu en 2025 51 000 demandes de brevet, à mettre en perspective avec les 16 800 demandes nationales françaises reçues par l’INPI la même année (chiffre OMPI), la France étant un pays quasi 3 fois plus peuplé que Taiwan.

L’objet du rapport du TIPO : les drones, un sujet hautement stratégique

Les drones, d’abord utilisés pour la reconnaissance militaire, se sont rapidement diffusés dans de nombreux domaines : applications commerciales, industrielles, agricoles, logistiques, télécommunications ou encore loisirs. Leur diversité de formats, de capacités et de missions en fait aujourd’hui un moteur de transformation industrielle et sociétale. Toutefois, leurs performances (autonomie, capacité d’emport, adaptation à l’environnement, efficacité des missions) dépendent avant tout de leur élément central : le système de propulsion.

Interview menée par Christel RONSIN

Caroline Maufroid, iconographe à la bibliothèque de Sciences Po, partage son expérience de l’intégration de l’intelligence artificielle générative (IAG) dans la gestion des fonds documentaires audiovisuels. Entre limites techniques et défis juridiques, son témoignage éclaire les écueils et les opportunités d’une technologie en pleine évolution.

Titulaire du diplôme d’ingénierie documentaire de l’INTD, Caroline Maufroid est spécialisée dans le domaine audiovisuel. 11 ans d’expérience dans les agences photo AKG, REA et la Collection lui ont permis d’acquérir la rigueur nécessaire à la gestion documentaire et informatique d’un important flux d’images et de vidéos. Depuis 11 ans, elle est iconographe et administratrice de la Banque d’images de Sciences Po qu’elle a mise en place.

CHRISTEL RONSIN : Caroline, depuis quand utilisez-vous l’IA à la bibliothèque, et pour quelles activités ?

CAROLINE MAUFROID : Dès 2019 nous en utilisions déjà ! À l’époque, notre système de gestion des actifs numériques (DAM), développé avec l’éditeur Einden, intégrait Google Vision. Cet outil permettait une indexation automatique des mots-clés par reconnaissance visuelle, ainsi qu’un module de reconnaissance faciale et une fonction de transcription audio (speech-to-text) pour les vidéos. Les résultats n’étaient cependant pas à la hauteur de nos attentes.

Ces modèles d’IA, non adaptés au fonds spécifique de Sciences Po - principalement des captations de conférences -, peinaient à traiter des discours complexes avec des accents marqués, un vocabulaire technique pointu et une multitude de noms propres. La qualité était comparable à celle des sous-titres automatiques de YouTube !

Depuis mars, plusieurs pays tentent un rééquilibrage de leurs politiques en faveur des titulaires de droits vis-à-vis de l’IA générative. Trois axes communs se dessinent : transparence sur les corpus d’entraînement, mécanismes de licence, rémunération des ayants droit.

Le Royaume-Uni renonce à l’exception TDM (Text and Data Mining)

Le Gouvernement britannique réfléchissait depuis 2021 à rapprocher sa loi sur le copyright du droit européen par l’instauration d’une exception pour le TDM commercial. Cette exception aurait permis aux acteurs de l’IA d’entraîner licitement leurs modèles avec des œuvres protégées sans autorisation ni rémunération des ayants droit.

Le 6 mars, la Commission numérique et communications de la Chambre des lords avait envoyé un message ferme via : rapport sur le droit d’auteur et les industries créatives. Les lords exhortaient le Gouvernement à ne pas affaiblir le droit d’auteur, recommandant au contraire de renforcer la transparence et les mécanismes de licence.

Le 19 mars, le Gouvernement a tranché (1) par une position radicale : abandon du projet d’exception ! Un signal politique fort alors que le Royaume-Uni apparaissait jusqu’alors très favorable aux acteurs de l’IA.

Les professionnels de l’information ont largement dépassé le stade des benchmarks. Ils évaluent aujourd’hui les LLMs de manière plus intuitive : cohérence sur la durée, sensation de neutralité, fiabilité perçue, absence de bizarreries récurrentes. Pourtant, trois phénomènes structurels influencent fortement la qualité réelle des réponses, sans être visibles à l’œil nu.

Ces angles morts prolongent la réflexion engagée dans notre précédent article sur l’alignement éthique : aux règles explicites imposées aux modèles s’ajoutent des forces plus profondes, économiques, internes et héritées.

Lire aussi : LLM : l’alignement éthique, le critère qu’on oublie d’évaluer – BASES nᵒ 444 (en accès libre)

---

Le business model : une influence économique qui émerge

OpenAI a lancé sa régie publicitaire en février 2026, d’abord aux États-Unis, et a rapidement généré plus de 100 millions de dollars de revenus annualisés, avec des projections de plusieurs milliards par an, malgré des pertes attendues de 14 milliards cette année.

Impact concret : dans une réponse conversationnelle, il n’existe aucune séparation claire entre contenu neutre et contenu influencé : la recommandation publicitaire est fondue dans le texte, sans label détachable.

La plus ancienne plateforme mondiale de prépublications scientifiques quittera l'université Cornell le 1er juillet 2026 pour voler de ses propres ailes en tant qu'organisation à but non lucratif.

Une transition logique

Après bioRxiv et medRxiv, qui ont créé en mars 2025 la structure indépendante openRxiv, c'est au tour d'arXiv de franchir le pas. Le serveur de prépublications quittera l'université Cornell — qui l'hébergeait depuis 2001 — pour devenir, le 1ᵉʳ juillet 2026, une organisation indépendante à but non lucratif.

Ce changement de statut répond à une logique bien claire : s'affranchir du cadre universitaire offre une plus grande souplesse opérationnelle, facilite les évolutions technologiques, ouvre la voie à de nouveaux partenariats et permet de créer une fondation assurant un financement pérenne.

« Offrir une plateforme ouverte de partage de la recherche où les chercheurs peuvent échanger et découvrir des avancées scientifiques récentes, pertinentes et émergentes, et affirmer leur contribution à l'avancement de la recherche. »

Cette mission d'arXiv reste inchangée après la transition. 

Organiser un voyage, c’est souvent synonyme de dizaines d’onglets ouverts, de comparatifs interminables et de prises de tête sur les itinéraires. Pourtant, une nouvelle génération d’outils promet de transformer cette étape en une expérience simple… voire même agréable. À l’approche de mes prochaines vacances, j’ai décidé de tester les outils d’intelligence artificielle pour planifier et organiser mon séjour.

Pour commencer, je me tourne vers l’IA la plus connue et la plus utilisée : ChatGPT. Je lui donne quelques indications comme la destination, le budget, la durée, les envies. En quelques secondes, j’obtiens un itinéraire complet. L’outil comprend vite mes attentes et propose un programme cohérent. En revanche, j’ai dû vérifier certains détails (horaires, lieux précis), car tout n’est pas toujours parfaitement exact. Mais comme base de départ, c’est assez efficace.

Au-delà de la simple génération d’idées, ChatGPT propose aussi des usages très pratiques pour le voyage grâce à ses applications intégrées disponibles, accessibles dans l’onglet “Applications” (en cliquant sur “Plus”, sous Codex). Parmi elles, on retrouve des outils bien connus du voyage comme Booking.com pour les hébergements, Tripadvisor pour les avis et recommandations, ou encore GetYourGuide pour réserver des activités et excursions. Au lieu de jongler entre plusieurs sites, on peut centraliser une grande partie de la préparation directement dans la même interface. Chercher un hôtel, comparer les avis ou ajouter une activité à son programme devient plus fluide et surtout beaucoup plus rapide.

Débordés par les contenus générés par des outils d'IA, les éditeurs de la version anglophone de Wikipédia ont édicté des règles très fermes concernant l'utilisation des grands modèles de langage (LLM) pour produire ou réécrire des articles afin de garantir le respect des règles en vigueur au lancement de Wikipédia : encyclopédisme, neutralité, licence libre, savoir‑vivre et souplesse des règles. 

Ce qui est sous-entendu est que tout cela doit se faire de façon purement humaine sans traitement automatisé des contenus.

Une interdiction quasi-totale de l’IA côté anglophone

Le principe général adopté est celui de l'interdiction de l’utilisation de l’IA. Deux exceptions limitées subsistent :

• Les suggestions de corrections sur un texte existant, à condition qu'aucun contenu nouveau ne soit ajouté et qu'un humain vérifie le résultat.
• La traduction vers l'anglais, sous réserve qu'un humain maîtrisant les deux langues valide le rendu.

L'objectif : éviter toute hallucination susceptible d'entamer la crédibilité d'une encyclopédie reposant sur des sources entièrement vérifiables.

Le journalisme d’investigation n’a jamais été aussi productif. Pourtant, pour les professionnels de la veille et de l’information, accéder à cette production de façon aisée et à un coût abordable est de plus en plus difficile. Multiplication des titres indépendants, abandon de la vente à l’article, modèles d’abonnement complexes : cet article dresse un état des lieux de ces obstacles et des initiatives qui tentent d’y répondre.

1. Un paysage éditorial en pleine expansion

Plusieurs facteurs convergent pour expliquer le dynamisme du journalisme d’investigation en France. La multiplication des affaires politiques et économiques portées sur la place publique, favorisée par la levée progressive de certains modes de protection bien établis, crée une demande forte d’informations/révélations. Cette intolérance croissante de l’opinion publique face aux dérives pousse un nombre grandissant de journalistes, professionnels comme amateurs, à mener des enquêtes et à en diffuser les résultats le plus largement possible.

Le développement des outils de publication en ligne comme en format papier a considérablement abaissé les barrières à l’entrée : il est désormais possible de lancer un média, certes avec des moyens limités, totalement indépendant des grands groupes de presse.

Cependant, sa distribution, payante ou gratuite, demeure un problème majeur  en raison des coûts de promotion rapidement élévés.

Les coûts de fabrication au sens large n’étant pas nuls, certains titres en ligne ont décidé d’offrir le libre accès à leur publication sans obligation d’abonnement. A la place, ils sollicitent des dons, bien sûr sur une base volontaire, et il semblerait que ce système fonctionne.

Interview de Christelle Urvoy, Consultante en intelligence économique et veille stratégique, menée par Christel RONSIN

Christelle Urvoy partage son approche pragmatique pour intégrer l’intelligence artificielle générative (IAG) dans les processus de veille, de pédagogie et de gestion des connaissances. Elle explique comment allier innovation et méthodologie entre automatisation des tâches, vigilance sur les sources et réhumanisation des échanges. 

Entrepreneuse depuis 15 ans dans le conseil en IE et en veille stratégique, Christelle Urvoy dirige la société Advicie depuis 2012. Elle a été présidente de la section du Centre des Jeunes Dirigeants (CDJ) du Val-de-Marne de 2016 à 2018. Elle est également animatrice de la Fresque de la connaissance depuis 2025.

Christel RONSIN : Christelle, comment intégrez-vous l’intelligence artificielle générative dans vos activités professionnelles ?

Christelle URVOY : Sur la veille, j’intègre désormais l’IA à plusieurs étapes du cycle, en restant très attentive à la confidentialité. Je ne transmets aucune information identifiable sur mes clients : l’IA me sert surtout à structurer des hypothèses, repérer des angles d’analyse et reformuler des enjeux.  Je l’utilise aussi comme un effet miroir : je pose des questions, parfois similaires à plusieurs reprises, pour comparer les réponses et faire émerger des variations qui nourrissent et affinent mes analyses.

L’IA joue aussi pour moi un rôle d’équipier, car je n’ai pas toujours la possibilité de travailler en équipe.  Sur des analyses macro, c’est un outil extrêmement utile pour dresser un panorama générique. Dès qu’on passe au micro, ou que la démarche doit s’appuyer sur des chiffres fiables et récents, l’IAG manque encore de précision sur ces aspects.

C.R. : Selon vous, comment l’IA générative répond-elle aux besoins des différents profils d’entreprise que vous accompagnez ?

Pour les grandes entreprises, ces outils fonctionnent bien, car sur un marché international, où il y a beaucoup de données publiques, l’IA excelle : elle permet d’effectuer du sourcing étranger, de croiser de nombreuses informations difficiles à analyser rapidement nous-mêmes, et de fournir une vision claire des enjeux concurrentiels.