Les référentiels de compétences se réécrivent plus vite que les fiches de poste. Dans un marché du travail transformé par l’intelligence artificielle, les organisations qui recrutent sur des acquis passés prennent un risque stratégique qu’elles sous-estiment encore. Il y a une question que peu de décideurs RH osent se poser ouvertement : sur quoi, précisément, fondons-nous nos décisions de recrutement ? Sur un CV. Sur un entretien. Sur une impression. Ce modèle a fonctionné longtemps, mais il a été construit pour un monde stable. Et ce monde-là n’existe plus.
La compétence technique a une date de péremption
Un savoir-faire considéré comme incontournable il y a trois ans peut aujourd’hui être automatisé ou rendu secondaire par l’IA générative. Les métiers eux-mêmes s’hybrident : un commercial intègre le marketing et les outils d’IA, un manager pilote des équipes pluridisciplinaires, un poste administratif touche à la data. Les intitulés de poste deviennent des coquilles vides. Les frontières entre fonctions bougent sans cesse.
Le cycle de vie d’une compétence technique s’est réduit à moins de deux ans dans de nombreux secteurs. Miser sur les acquis passés pour recruter ou promouvoir, c’est prendre le risque de construire une organisation pour hier.
Ce qui résiste, c’est ce qu’on ne met jamais dans une fiche de poste
La vraie question n’est plus « Que sait faire ce candidat ? » Elle est : « Que peut-il devenir ? »
Ce qui résiste au changement, ce sont les compétences comportementales : la capacité d’apprentissage, l’adaptabilité, la gestion des émotions sous pression, la résilience face à l’incertitude. Ce que les chercheurs en sciences cognitives appellent l’agilité d’apprentissage ou learning agility est devenue le véritable moteur de la performance durable.
Et contrairement aux traits de personnalité, stables par nature, ces compétences se développent. Parler en public, structurer sa pensée, prendre du recul face à l’incertitude : tout cela se travaille.
La recherche est sans appel : les compétences techniques affichent un coefficient de prédictivité de la performance autour de 0,20. Les soft skills correctement mesurés atteignent jusqu’à 0,65, soit plus de trois fois plus prédictifs pour la réussite en poste. Ce n’est pas une intuition RH. C’est de la science.
Le marché a changé. Les outils de décision, pas toujours.
Vingt-quatre ans à observer les processus de recrutement de l’intérieur m’ont appris une chose : ce n’est pas le manque de candidats qui coûte cher aux entreprises. C’est la confiance aveugle accordée à des signaux qui ne prédisent rien.
Un entretien bien mené rassure. Il ne sélectionne pas. Il mesure la capacité d’un candidat à convaincre à l’instant T mais pas sa façon de gérer l’ambiguïté six mois plus tard, ni ce qui le fera rester ou partir dans un an.
Des outils existent pourtant pour aller plus loin : évaluations comportementales, modèles prédictifs, cartographie des potentiels. Mais ils restent sous-utilisés, relégués à la validation d’une décision déjà prise plutôt qu’intégrés en amont, là où ils changent vraiment la donne.
Ce n’est pas un problème de moyens. C’est un problème de posture.
De la fiche de poste au modèle de réussite
La rupture n’est pas technologique. Elle est conceptuelle : passer d’une gestion de postes à une gestion de potentiels.
Cela commence par une question rarement posée : qu’est-ce qui fait qu’un collaborateur réussit dans ce rôle ? Il faut définir des critères de succès, des compétences comportementales pondérées selon les exigences réelles du poste, puis les évaluer avec des méthodes capables de les mesurer. Pas à l’aveugle, mais en ayant ces critères cibles en ligne de mire. C’est cette jonction entre le modèle de réussite et la façon d’évaluer qui change tout.
C’est là que la psychométrie prend une autre dimension : celle d’un système de lecture du potentiel humain, ancré dans la science et opérable à l’échelle.
L’IA au service de la décision humaine, pas l’inverse
L’IA dans le recrutement, c’est un peu devenu la tarte à la crème. On en parle partout, sans toujours préciser de quoi il s’agit. Soyons concrets. L’IA intervient à deux niveaux qu’il faut distinguer.
D’abord, dans la construction des modèles de réussite : face à des postes qui s’hybrident, elle aide à croiser métiers et fonctions pour identifier les compétences clés et leur poids relatif, en s’appuyant sur des référentiels scientifiques.
Ensuite, dans l’évaluation : l’IA peut analyser du contenu non structuré, discours en entretien vidéo, parcours dans un CV, pour détecter des signaux de compétences.
Mais appliquée au CV, elle fait surtout du matching sur l’expérience et les skills techniques, et reste limitée sur la dimension comportementale. C’est pourquoi elle gagne à être croisée avec des évaluations structurées comme les tests psychométriques, les mises en situation, ou des feedbacks ciblés, qui apportent la rigueur et la profondeur que l’IA seule ne produit pas encore.
C’est cette combinaison qui fiabilise la décision.
L’IA doit rester explicable : elle ne remplace pas le jugement humain, elle lui donne une base plus solide.
Recruter avec précision, développer avec vision
Les organisations qui travaillent sur ces bases prennent de l’avance : dès la phase de recrutement, elles identifient les forces et les axes de développement de chaque candidat pour mieux accompagner l’intégration. Et la même logique s’applique à la mobilité interne, avant que les talents ne partent chercher ailleurs.
La question n’est plus de savoir si ces approches sont fiables. Elle est de savoir si les organisations sont prêtes à changer leur rapport à la décision. C’est cette conviction qui m’anime : allier science comportementale et IA pour rendre les décisions RH plus justes et plus durables.
Les compétences d’aujourd’hui sont les acquis d’hier. Les organisations qui l’ont compris recrutent déjà pour demain.
