Les auteurs d’un audit arXiv sur le recrutement assisté par LLM indiquent que la manière dont on demande à un modèle de juger un CV change son efficacité : les scores numériques captent généralement mieux les changements de qualifications d’un candidat qu’un simple verdict réussite/échec, tandis que les comparaisons directes varient selon l’ordre d’apparition des candidats (arXiv). Ils affirment aussi qu’une délimitation claire de l’authentification, de la politique et du texte du CV dans le prompt fait passer le taux d’acceptation des demandes de contournement non autorisées d’environ 65 % à 1 % lorsqu’elles émanent d’initiés non autorisés, et d’environ 96 % à moins de 6 % lorsqu’elles sont intégrées dans le corps du CV (arXiv). Pour les équipes qui déploient des outils de présélection, l’article considère la conception de l’interface et la structure du prompt comme faisant partie de la préparation au déploiement, et non comme des détails mineurs.
Comment l’audit a été construit
L’étude teste la préparation opérationnelle dans une expérience contrôlée portant sur quatre LLM, 210 CV, 14 postes et six interfaces de décision. Les résultats reposent sur 16 800 évaluations de CV réalisées avec quatre modèles open-weight : MiniMax-M3, DeepSeek-V4-Pro, Nemotron-3-Ultra et GPT-OSS-120B. Chaque CV a été traité avec 20 appels au LLM à temperature = 0.

Pour vérifier le matériel de test, les auteurs ont consulté 15 experts du domaine, couvrant tous les secteurs, afin de savoir si les CV de référence et les CV variantes convenaient à leurs postes, ce qui a donné un score d’accord moyen de 81 %. Cette vérification par des experts est importante, car le protocole repose sur des CV variantes qui diffèrent d’une référence de façon contrôlée ; les variantes doivent donc être plausibles pour chaque poste.
L’interface change la réponse
Le principal constat est que la performance dépend de l’interface d’évaluation. Selon l’article, les scores scalaires distinguent généralement mieux les changements de qualifications que les simples jugements réussite/échec, tandis que les jugements comparatifs sont sensibles à l’ordre dans lequel les candidats sont présentés. L’effet d’ordre apparaît dans la comparaison par paires : les quatre LLM choisissent plus souvent le CV le plus solide lorsqu’il est présenté en second, avec 58 % de plus pour Nemotron-3-Ultra et 45 % de plus pour DeepSeek-V4-Pro.
La sensibilité diffère aussi selon les modèles. Avec une grille d’évaluation, la détection des qualifications requises supprimées allait de 26 % pour MiniMax-M3 à 87 % pour DeepSeek-V4-Pro. Lus ensemble, ces chiffres suggèrent que le choix du modèle et du format de décision par un fournisseur mérite un examen attentif, et qu’un outil de classement par paires sans randomisation de l’ordre comporte un biais intrinsèque en faveur du CV présenté en second.
Structure du prompt face aux demandes de contournement
L’audit examine aussi si un modèle obéit à des instructions qui ne devraient avoir aucune autorité. Les auteurs affirment que la délimitation de l’authentification, de la politique et du texte du CV dans le prompt réduit ce risque d’environ 65 % à 1 % pour les demandes de contournement émanant d’initiés non autorisés. Pour les demandes intégrées dans le corps du CV, ils rapportent une baisse d’environ 96 % à moins de 6 %. Le second cas est celui qu’un candidat pourrait exploiter en cachant du texte dans un document ; l’ampleur du chiffre de départ est donc le plus inquiétant pour quiconque utilise des prompts non protégés.
Biais et explications
Concernant le biais lié aux noms, qui couvre la race, l’origine ethnique et les noms de famille associés aux castes indiennes, les auteurs ne constatent aucun biais, ou très peu, chez les LLM testés. Ils constatent aussi que les LLM évaluateurs présentent souvent un écart entre leurs décisions et les justifications qu’ils fournissent. Cet écart est une préoccupation pratique pour l’auditabilité : on ne peut pas présumer qu’une justification écrite jointe à une décision de présélection l’explique. Avec les résultats sur l’interface et le contournement, l’audit invite les employeurs à tester l’ensemble de la chaîne, y compris le format de décision, l’ordre des candidats et la disposition du prompt, plutôt que de juger un modèle sur le seul biais lié aux noms.
Absent des sources : prix et configuration matérielle
Nous vérifions six informations pour chaque sujet dans le texte intégral de chaque source. Les pages citées en sources n’indiquent pas un prix ni la configuration matérielle requise.
Sources
Les sources à partir desquelles cet article a été rédigé. Les liens ouvrent la page d'origine.

