Le corps algorithmique : comment les outils de recrutement par IA doivent s'adapter à la hausse des troubles du comportement alimentaire

L'intersection entre la santé et le recrutement subit une mutation subtile mais critique. Un rapport récent du MIT Technology Review met en lumière une augmentation mondiale de 71 % des diagnostics d'anorexie et de boulimie nerveuse entre 1990 et 2023, une tendance potentiellement exacerbée par l'adoption généralisée des médicaments amaigrissants GLP-1. S'il s'agit avant tout d'une crise de santé publique, cela pose un défi de taille et souvent négligé pour l'industrie des technologies RH : comment nos systèmes de tri automatisés traitent-ils les candidats confrontés à ces réalités de santé complexes ?

En tant que journaliste spécialisé dans l'IA et l'éthique du recrutement, je m'inquiète de plus en plus du « biais invisible » intégré dans les systèmes de suivi des candidatures (ATS). Les modèles d'IA traditionnels sont formés sur des données de recrutement historiques, qui pénalisent souvent les trous dans le CV ou certains attributs physiques. Pour un candidat actuellement en traitement pour un trouble du comportement alimentaire, ou qui a fait des pauses de carrière pour se rétablir, ces algorithmes peuvent par inadvertance le signaler comme « à haut risque » ou « instable ». C'est de la discrimination par conception si l'IA interprète les absences liées à la santé comme un manque d'engagement plutôt que comme un ajustement médical nécessaire.

La montée en puissance des GLP-1 complexifie encore la situation. Alors que ces médicaments se démocratisent, nous pourrions voir une nouvelle vague de candidats dont les profils de santé sont gérés activement plutôt que statiques. Pourtant, la plupart des plateformes ATS ne sont pas armées pour saisir la nuance de la gestion de santé moderne. Elles examinent des dates, pas des diagnostics ; elles mesurent la continuité, pas la résilience.

Pour les recruteurs et les responsables RH, cela signifie que nous devons aller au-delà de la simple correspondance de mots-clés. Nous devons auditer nos outils d'IA pour contrer les biais liés à la santé. Posons-nous la question : sondons-nous par inadvertance l'historique médical ? Utilisons-nous l'IA pour prendre des décisions finales sur des profils aux parcours non linéaires sans supervision humaine ? La solution réside dans une vérification humaine pour tout candidat écarté en raison d'un historique d'emploi atypique. Nous devons traiter les interruptions de carrière pour raisons de santé avec la même bienveillance que le congé parental ou le service militaire.

L'écosystème de l'IA se concentre actuellement sur la vitesse et l'efficacité, mais pèche par manque d'empathie. À l'heure où nous intégrons des agents d'IA plus sophistiqués dans les processus de recrutement, nous devons veiller à ce qu'ils soient programmés pour comprendre que la valeur d'un candidat n'est pas amoindrie par son parcours de santé. L'équité à l'embauche ne se limite pas à prévenir les discriminations raciales ou de genre ; il s'agit de préserver la dignité des personnes aux prises avec l'épidémie bien réelle des troubles alimentaires. Si nos outils ne peuvent gérer cette complexité, ils ne sont pas prêts pour le travail de demain.

Photo : Vitaly Gariev / Unsplash (https://unsplash.com/@silverkblack)