L'IA pour les RH : 9 tâches où elle tient, 4 où elle vous piège

Un RH qui tape « IA pour les RH » sur un moteur de recherche tombe sur des listes de vingt prompts optimistes, interchangeables d'un site à l'autre. Le vrai problème n'est pas de savoir si l'IA aide sur le recrutement ou la paie, cela se devine assez vite. C'est de savoir précisément où elle vous fait gagner du temps et où elle vous fait courir un risque que vous ne verrez qu'après coup.

Ce que l'IA fait bien, aujourd'hui, dans un service RH

Neuf usages tiennent la route dès qu'ils restent cadrés et vérifiés.

1. Automatiser une tâche répétitive identifiée avec précision. Pas « l'IA pour les RH » en général, mais une tâche nommée : rédiger une fiche de poste, préparer une relance, résumer un compte-rendu. Le programme RH Fondation démarre littéralement là, dès le premier jour : trouver la tâche qui prend du temps chaque semaine et construire, avec l'IA, un prompt réutilisable pour elle.
2. Construire un prompt maître d'offre d'emploi. Un gabarit qui fige ce qui ne change jamais (le ton de l'entreprise, la structure des rubriques) et transforme le reste en variables ({intitulé}, {missions}, {lieu}). Vous ne repartez plus de zéro à chaque recrutement.
3. Transformer des notes brutes d'entretien en compte-rendu fidèle, par une chaîne de prompts vérifiée. Une première étape extrait les faits, sans mise en forme. Une deuxième les structure. Une troisième vérifie que chaque phrase du compte-rendu correspond bien à un fait de la première étape et signale tout ajout. C'est la vérification, pas le prompt seul, qui rend l'exercice fiable.
4. Rédiger des courriers RH types avec des variables verrouillées. Convocation, réponse négative à une candidature, demande de justification d'absence : trois courriers récurrents, trois prompts qui interdisent explicitement à l'IA d'inventer un motif de refus ou une mention absente, avec un marqueur « à compléter » plutôt qu'une supposition.
5. Documenter un process d'offboarding où l'IA prépare et l'humain vérifie. Pour chaque étape (administratif, matériel, accès, passation, entretien de sortie), le programme distingue explicitement ce que l'IA peut préparer, un mail type ou une check-list, et ce que l'humain garde : la vérification du retour effectif du matériel, la coupure réelle des accès.
6. Répondre de façon homogène aux questions récurrentes des salariés, à condition de lui fournir l'information. Un prompt-système du programme RH Maîtrise pose une règle absolue : l'IA reformule à partir de l'information interne validée qu'on lui donne, elle n'énonce jamais une règle RH de sa propre initiative.
7. Faire lire un tableau de chiffres pour repérer ce qui sort de l'ordinaire, sans laisser l'IA conclure à votre place. Un absentéisme qui grimpe dans un service, une donnée qui détonne : l'IA relève, vous validez, et vous distinguez vous-même les faits des hypothèses.
8. Construire une grille de comparaison de candidatures que l'IA organise, mais que vous seul remplissez de jugement. L'objectif du programme est net sur ce point : l'IA range l'information, vous décidez.
9. Répondre avec transparence à un candidat qui demande si un algorithme a trié sa candidature. Dire ce que fait vraiment l'outil de tri, en mots simples, sans nier son existence ni promettre un cadre juridique que vous n'avez pas vérifié.

Là où elle vous piège

Ces neuf usages ont un point commun : un cadrage net, une vérification humaine, un résultat qui reste correctible. Les quatre pièges suivants apparaissent précisément quand l'une de ces trois conditions saute, souvent sans que vous vous en aperceviez sur le moment.

1. Le chiffre ou la référence juridique qui a l'aplomb du vrai

Une IA n'a aucune façon de signaler qu'elle doute. Dans un exercice du programme RH Maîtrise, on lui demande le salaire minimum d'un coefficient 100 de la convention Syntec en 2026 : elle répond 2 145,80 € brut, avec exactement la même assurance que pour une question dont la réponse est vraie. Le chiffre est inventé, la grille conventionnelle de l'année en cours n'étant tout simplement pas une donnée que l'IA peut connaître de façon fiable. Le même exercice montre une IA qui cite correctement un taux d'indemnité de licenciement, puis recalcule un montant qui ne suit pas la règle qu'elle vient d'énoncer elle-même. Sur la paie, le mécanisme se rejoue autrement : chargée de reprendre l'écart entre deux prélèvements à la source déjà écrits sur un bulletin, une IA préfère recalculer de tête et annonce 130 € là où la soustraction donne 90 €. Et sur un courrier de réponse à une candidate qui demande si un robot a trié son CV, une IA a ajouté d'elle-même une référence à l'article 22 du RGPD, plausible, bien tournée, et inexacte pour ce cas précis.

2. L'uniformité qui aplatit ce qui devait rester singulier

Demandez à une IA de mettre en forme des notes d'entretien annuel, et elle a une tendance naturelle à monter en généralité : la note « veut changer de service » devient, sans qu'on l'ait demandé, « salarié très motivé et impliqué ». Fait huit fois, sur huit entretiens différents, ce glissement produit huit comptes-rendus qui se ressemblent, alors que huit personnes ont dit huit choses différentes. Le correctif documenté dans le programme est explicite : interdire toute reformulation qui s'éloigne du verbatim, et faire écrire un marqueur d'information manquante plutôt qu'une phrase plausible partout où une rubrique n'a pas été abordée.

3. Le score qui donne une fausse précision à une décision qui engage une personne

À partir de quatre colonnes (ancienneté, absences, dernière augmentation, service), une IA peut produire, si on le lui demande, un score de risque de démission de 87 sur 100. Le chiffre a l'air rigoureux. Il ne l'est pas : la pondération qui le fabrique est inventée, et rien dans les données ne la valide. Le même exercice montre ensuite la version qui tient : un niveau grossier de 1 à 4, nourri de contexte humain réel, assumé comme incertain, pensé pour préparer une conversation et non pour trancher à la place de quelqu'un. Il montre aussi la ligne à ne jamais franchir : demander la liste des salariés « à surveiller de près » fait apparaître des profils prétendument anonymisés mais en réalité ré-identifiables, comme « la seule femme de l'équipe de nuit », et transforme une lecture RH en fichage individuel.

4. La donnée personnelle qu'on vous réclame pour mieux vous aider

Le piège le plus difficile à repérer n'est pas frontal. Dans un exercice du programme RH Fondation, l'assistant demande, l'air de rien et au fil d'une conversation ordinaire sur un courrier de rupture de période d'essai, le nom complet du salarié, puis son contrat, puis son matricule, pour insérer les bonnes dates. Chacune de ces demandes semble utile. Aucune n'est nécessaire : un tel courrier se construit très bien avec des marqueurs neutres que vous remplissez vous-même, hors de l'outil. C'est exactement le réflexe que documente notre article sur les usages de l'IA que vos équipes ne vous signalent pas, souvent nés du même besoin d'aller vite.

Le bon niveau d'exigence

Rien de tout cela n'invite à écarter l'IA d'un service RH. Cela invite à distinguer, tâche par tâche, ce qui reste sous votre contrôle de ce qui engage quelqu'un d'autre que vous. Savoir si votre entreprise est directement concernée par le cadre européen qui encadre ces usages se vérifie en quatre questions simples, détaillées dans notre test en 4 questions.

Cette distinction s'apprend surtout en pratiquant sur de vrais cas RH plutôt qu'en lisant une liste de prompts. C'est l'angle des programmes RH Fondation et RH Maîtrise, construits exercice par exercice sur ces neuf usages et ces quatre pièges, pas sur des généralités valables pour n'importe quel métier.