La multiplication des candidatures frauduleuses et des faux profils représente un défi croissant pour les plateformes d’emploi et les recruteurs. Pour contrer ce phénomène, une approche de vérification à plusieurs niveaux se met en place, combinant intelligence artificielle, analyse comportementale et contrôle humain.
Les conséquences des candidatures mensongères sont multiples : perte de confiance dans le processus de recrutement, augmentation des coûts de sélection et gaspillage du temps des équipes RH. Selon une récente enquête, 38 % des services des ressources humaines utilisent désormais des logiciels de détection de fraude basés sur l’intelligence artificielle, tandis que 25 % recourent à des vérifications biométriques ou par reconnaissance faciale.
La première étape consiste à s’assurer de l’authenticité de l’identité du candidat. Les plateformes utilisent généralement une combinaison de méthodes : examen d’une pièce d’identité officielle (passeport, permis de conduire), comparaison avec un selfie ou une courte vidéo en temps réel grâce à la reconnaissance faciale, vérification par SMS ou courriel de la possession des coordonnées fournies, et analyse des empreintes numériques de l’appareil utilisé ainsi que de la réputation de l’adresse IP. Ces éléments sont combinés pour établir un score de risque, et les anomalies – comme une discordance entre l’image du visage et la pièce d’identité – déclenchent une vérification manuelle.
Une fois l’identité provisoirement confirmée, il est crucial de valider les informations fournies : diplômes, expérience professionnelle, certifications. Les outils utilisés incluent la reconnaissance optique de caractères (OCR) pour analyser les documents soumis et détecter d’éventuelles modifications, la consultation de bases de données ou de registres officiels pour vérifier l’authenticité des diplômes, et, avec l’accord du candidat, l’intégration avec les systèmes de paie ou de gestion des ressources humaines de l’employeur pour confirmer l’ancienneté. Dans les secteurs réglementés (ingénierie, santé), des vérifications en temps réel des registres professionnels permettent de s’assurer que les licences sont toujours valides.
Cependant, la vérification ne s’arrête pas là. L’analyse du contenu de la candidature est également essentielle. Les plateformes utilisent des modèles de traitement du langage naturel (TLN) pour structurer les informations, vérifier la cohérence des données (absence de chevauchement de dates d’emploi, promotions plausibles), détecter les formulations trop parfaites ou générées par des modèles d’IA, et analyser le comportement du candidat (temps passé à répondre aux questions, similarité avec des candidatures antérieures). Par exemple, une lettre de motivation trop uniforme ou reprenant des passages entiers de sources en ligne peut être signalée par un détecteur d’IA.
Les plateformes continuent également à valider les informations après la présélection des candidats, par le biais d’entretiens vidéo surveillés, de l’analyse des interactions (fréquence des visites sur la plateforme, réponses aux messages), de la corrélation des signaux entre différentes candidatures (utilisation du même appareil, de la même adresse IP ou du même style d’écriture) et, parfois, de vérifications d’antécédents. Il est toutefois important de noter que ces dernières peuvent contenir des erreurs : une étude a révélé que plus de la moitié des rapports comportaient au moins une fausse alerte.
Pour concilier efficacité et respect de la vie privée, les plateformes adoptent souvent une approche progressive, en ne mettant en œuvre des vérifications plus poussées qu’en cas de suspicion. Il est également essentiel de tenir compte des biais potentiels des outils d’IA et de garantir la transparence et la possibilité de recours en cas d’erreur. Les réglementations comme le RGPD (règlement général sur la protection des données) imposent notamment le consentement explicite des candidats et le respect de leurs droits en matière de données personnelles.
Enfin, de nouvelles technologies émergent, comme l’utilisation de la blockchain pour ancrer les diplômes et les certifications, des systèmes d’identité décentralisée (DID) permettant aux candidats de pré-vérifier leurs informations auprès d’émetteurs de confiance, et des réseaux de vérification fédérés permettant aux plateformes de partager des signaux de confiance. Ces innovations promettent de réduire la friction, d’améliorer la fiabilité et de renforcer la résistance à la fraude, mais leur adoption reste encore limitée.
En conclusion, la vérification des candidatures en ligne nécessite une approche globale et évolutive, combinant différentes couches de contrôle et s’adaptant aux nouvelles tactiques de fraude. Pour les plateformes qui souhaitent garantir la qualité de leurs recrutements, investir dans ces systèmes de vérification n’est plus une option, mais une nécessité.