La gestion des ressources humaines algorithmique comme mode de gouvernance algorithmique : transparence, équité et agentivité humaine dans le lieu de travail numérique

Pourquoi votre prochain·e patron·ne pourrait être un algorithme

De nombreuses expériences quotidiennes du travail — depuis la façon dont nous sommes embauchés jusqu’à la manière dont notre salaire est fixé — sont de plus en plus modelées par des programmes informatiques invisibles. Cet article examine comment les algorithmes transforment discrètement la gestion des ressources humaines (GRH), convertissant les routines de bureau familières en processus fondés sur les données. Pour quiconque s’est déjà demandé pourquoi une promotion a été refusée, comment un CV a été écarté ou si une surveillance numérique constante est équitable, cette étude propose une vue d’ensemble des promesses et des périls du lieu de travail algorithmique.

Du coup de cœur aux décisions fondées sur les données

Les décisions RH traditionnelles ont longtemps reposé sur le jugement des managers : lire les CV à la main, se fonder sur les impressions lors d’entretiens ou peser de manière informelle qui mérite une augmentation. L’article soutient que la GRH algorithmique remplace une grande partie de cette intuition par une analyse systématique des données. Dans la planification des effectifs, le recrutement, la formation, les évaluations de performance, la rémunération et les relations avec les employés, les algorithmes filtrent des traces numériques telles que les journaux de performance, les historiques de départs et les interactions en ligne. Ces systèmes peuvent prévoir les besoins en personnel, mettre en relation les candidats et les offres, personnaliser la formation et ajuster les rémunérations selon les schémas de performance. Plutôt qu’une rupture nette avec le passé, l’auteur envisage un avenir hybride où le jugement humain et les outils automatisés travaillent ensemble — mais avec des algorithmes qui définissent de plus en plus les termes de ce partenariat.

Différents types de décideurs numériques

L’article explique que tous les algorithmes RH ne se valent pas. Certains suivent des règles simples, comme rediriger automatiquement les candidatures qui répondent aux critères minimaux. D’autres s’appuient sur des statistiques et le machine learning pour repérer des motifs et prédire des résultats futurs, par exemple quels employés pourraient partir ou quels candidats sont susceptibles de réussir. Des systèmes plus avancés vont au‑delà de la prédiction pour recommander ou même exécuter directement des actions, par exemple en invitant automatiquement certains candidats à des entretiens ou en proposant des ajustements de salaire. Ces couches — analyses descriptives, prédictives et normatives — déplacent progressivement la GRH de la simple description de ce qui se passe vers la décision de ce qui devrait se passer, augmentant les enjeux en matière de transparence et de contrôle.

Comment les algorithmes reconfigurent les pratiques RH quotidiennes

En se focalisant sur les activités RH centrales, l’article montre comment les algorithmes s’immiscent tout au long du parcours employé. En planification, ils scrutent des données internes et externes pour profiler les effectifs existants et prévoir la demande future, aidant les organisations à décider quelles compétences recruter ou développer. Dans le recrutement, ils automatisent le tri des CV, planifient les entretiens et utilisent des tests en ligne, l’analyse vocale ou des évaluations ludiques pour inférer la personnalité et l’adéquation au poste. En formation, ils contribuent à construire des bases de connaissances, détectent les lacunes de compétences, recommandent des parcours sur mesure et suivent les résultats d’apprentissage en temps réel. La gestion de la performance passe d’évaluations occasionnelles et subjectives à une mesure continue fondée sur des données comportementales et des retours automatisés. Les systèmes de rémunération utilisent des algorithmes pour comparer les emplois, calibrer les salaires et exécuter la paie de manière efficace. Les outils de relation employé prélèvent des informations dans les messages et les réseaux sociaux pour détecter l’insatisfaction, suggérer des promotions ou prédire qui pourrait partir, permettant une intervention plus précoce mais étendant aussi la surveillance à des espaces numériques plus intimes.

Pouvoir, équité et coût humain

Si ces outils peuvent réduire certains biais, faire gagner du temps et soutenir des décisions plus cohérentes, l’auteur met en garde contre des risques sérieux. Les modèles complexes fonctionnent souvent comme des « boîtes noires » : les travailleurs et même le personnel RH peuvent ne pas comprendre comment les décisions sont prises ou quelles données comptent le plus. Si les données historiques reflètent des discriminations, les algorithmes peuvent reproduire discrètement voire amplifier des traitements injustes fondés sur le genre, l’âge, la race ou d’autres caractéristiques. La collecte continue de données brouille la frontière entre travail et vie privée, les employeurs suivant les émotions, les liens sociaux et les comportements en ligne. Les employés peuvent se sentir observés, anxieux face aux nouvelles technologies ou privés d’autonomie lorsque les plannings, les tâches et les évaluations sont régis par des règles opaques. Ces tensions engendrent de nouvelles formes de résistance au travail, comme l’ignorance des recommandations algorithmiques ou l’alimentation délibérée des systèmes par des données trompeuses.

Faire de la place pour les humains dans un lieu de travail numérique

Pour que la GRH algorithmique serve les personnes plutôt que de les remplacer, l’article appelle à des garde‑fous renforcés et à une supervision partagée. Les organisations devraient traiter les algorithmes comme des outils d’aide à la décision, non comme des autorités incontestables, et investir dans des modèles « boîte blanche » pouvant être expliqués et audités. De nouveaux rôles et compétences sont nécessaires : des experts capables de vérifier les biais et les mauvais usages des données, ainsi que des managers et des employés capables de travailler de manière fluide avec les systèmes numériques tout en conservant empathie et jugement éthique. Des lois comme le RGPD de l’Union européenne et la PIPL de la Chine exigent déjà des explications plus claires et des limites à l’usage des données, mais l’article soutient que la véritable équité et l’agentivité humaine dépendront de la façon dont les entreprises conçoivent, supervisent et partagent le contrôle de ces outils. En termes simples, l’étude conclut que les algorithmes peuvent aider à rendre le travail plus intelligent et plus efficient, mais seulement si nous restons vigilants sur qui les programme, quelles valeurs ils codent et quelle voix les travailleurs ont dans le processus.

Citation: Chen, Z. Algorithmic human resource management as a mode of algorithmic governance: transparency, fairness, and human agency in the digital workplace. Humanit Soc Sci Commun 13, 594 (2026). https://doi.org/10.1057/s41599-026-06989-4

Mots-clés: GRH algorithmique, lieu de travail numérique, IA dans le recrutement, équité au travail, autonomie des employés