Mettre en place un tri de CV fiable et équitable
Installez un premier tri de CV structuré, rapide et non discriminant.
Contexte & Objectifs
Les équipes RH et les managers opérationnels font face à un volume croissant de candidatures, souvent traité de façon informelle ou intuitive, ce qui expose l'organisation à des risques juridiques et à des biais de sélection. Mettre en place un premier tri structuré permet de gagner en efficacité tout en garantissant l'équité du processus.
Les critères d'évaluation, définis en amont à partir de la fiche de poste, sont traduits en indicateurs observables et pondérés, ce qui rend la décision traçable et argumentable.
Ce type de démarche est particulièrement utile lors de campagnes de recrutement à fort volume, dans les environnements soumis à des obligations légales de non-discrimination, ou dans les organisations souhaitant professionnaliser leur processus de recrutement.
La grille produite peut être réutilisée et adaptée pour chaque nouveau poste, constituant ainsi un outil durable au service des ressources humaines.
Dans ce guide
Méthodes IA
1 ressourceTrier des CV de façon structurée et équitable
Ce prompt vous accompagne dans la mise en place d'un premier tri de candidatures rigoureux et non discriminant. En vous guidant étape par étape, il vous permet de construire une grille de scoring sur mesure, fondée sur des critères objectifs et observables définis selon votre fiche de poste.
Vous obtenez une décision go/no-go documentée pour chaque profil, une checklist d'anonymisation, ainsi que des messages types prêts à l'emploi pour informer les candidats.
L'ensemble du livrable est réutilisable pour toutes vos campagnes de recrutement.
Cette méthode inclut :
- Prompt structuré et guidé, prêt à l'emploi
- Fichier de saisie Excel pour structurer vos données
- Fichier exemple rempli avec données réalistes
- Conseils d'utilisation
Vigilance sécurité
Sur les IA publiques (ChatGPT, Gemini, Copilot…), ne saisissez jamais de données confidentielles dans vos prompts : informations clients, données personnelles, secrets industriels, identifiants ou mots de passe, etc. Ces données peuvent être utilisées pour entraîner les modèles ou exposées à des tiers.