Votre ATS rejette-t-il automatiquement les CV ? Le mythe face à la réalité

En grande partie non. Les logiciels de suivi des candidatures ne passent pas votre CV au crible des mots-clés en silence pour le jeter à la corbeille en quelques millisecondes. Dans une étude de 2025 portant sur 25 recruteurs américains, seuls 8 % environ avaient configuré un rejet automatique fondé sur le contenu ; 92 % ne l’avaient pas fait. Le « non » expéditif que ressentent les candidats vient presque toujours de trois autres sources : des questions éliminatoires d’éligibilité, un échec d’analyse du CV, ou un relecteur humain débordé par le volume. Pas d’un robot qui lit votre prose.

Cet écart entre ce que les gens croient et ce que le logiciel fait réellement compte pour deux lectorats très différents. Si vous êtes candidat, on vous a probablement dit qu’un robot à mots-clés avait tué votre candidature. Si vous êtes fondateur ou responsable RH débutant en train de paramétrer un ATS, vous avez entendu le même mythe à l’envers et vous pourriez être tenté d’activer un rejet automatique agressif pour survivre au raz-de-marée. Vous partez tous les deux d’un chiffre qui n’a jamais été vrai. Corrigeons cela.

La statistique que tout le monde répète ne repose sur aucune étude

La fameuse affirmation selon laquelle « 75 % des CV sont rejetés par un ATS avant qu’un humain ne les voie » n’est pas un résultat de recherche. Elle ne s’appuie sur aucune étude, aucune enquête, aucune méthodologie publiée. Elle remonte à un argumentaire commercial de 2012 de Preptel, un éditeur de services d’optimisation de CV qui a fermé en 2013 sans jamais montrer ses données.

La consultante en carrière Christine Assaf est partie à la recherche de la source et est revenue les mains vides. Comme elle et d’autres relecteurs l’ont documenté, le chiffre « a été créé sans la moindre étude, enquête ni contexte », et il n’apparaît nulle part dans la littérature universitaire. Ce nombre a survécu pour une seule raison : il est utile aux entreprises qui vendent des services de CV « anti-ATS ». Une statistique effrayante vend le remède.

La toute première chose à mettre au rebut, c’est donc l’accroche. Quand vous voyez 75 %, ou les variantes à 70 % et « 88 % des personnes qualifiées sont écartées », traitez-les comme du folklore marketing, pas comme des données. Le tableau réel est plus intéressant, et plus utile, que le mythe.

Ce qui est réellement vrai : ce sont les humains qui règlent les filtres

Les logiciels de suivi des candidatures excluent bel et bien des personnes qualifiées. Mais l’exclusion découle de critères définis par des humains, pas d’un logiciel qui prendrait des décisions de façon autonome. Cette distinction change tout.

Le chiffre crédible sur ce point provient du rapport de 2021 de la Harvard Business School et d’Accenture, Hidden Workers: Untapped Talent. Il révèle que 88 % des employeurs déclarent que des candidats qualifiés et hautement compétents sont écartés parce qu’ils ne correspondaient pas exactement aux critères du poste, et que 94 % disent la même chose des candidats de compétence intermédiaire. Voilà un résultat réel, sourcé, de grande ampleur. Mais lisez ce qu’il mesure vraiment : des employeurs qui reconnaissent que les filtres qu’ils ont configurés (un diplôme exigé, aucune période d’inactivité, un mot-clé à correspondance exacte) rejettent de bons profils.

L’un des auteurs du rapport l’a dit sans détour. Les biais inscrits dans les logiciels de recrutement ne sont « rien de plus que des biais humains qui ont été programmés dans la technologie ». Le système fait ce qu’une personne lui a dit de faire. Alors quand le chiffre de 88 % est détourné en « les ATS rejettent automatiquement 88 % des candidats qualifiés », il recrée exactement le mythe que cet article s’emploie à démonter. L’ATS n’est pas le coupable. Ce sont les critères.

Alors, les ATS rejettent-ils automatiquement les CV ? Les données disent : rarement

La question que les acheteurs tapent réellement dans une barre de recherche est simple : le logiciel de suivi des candidatures rejette-t-il automatiquement les CV en fonction de leur contenu ? La meilleure mesure directe dont nous disposons indique que presque aucun ne le fait.

Dans une étude d’Enhancv menée en septembre et octobre 2025, les chercheurs ont interrogé 25 recruteurs américains travaillant sur Workday, iCIMS, Lever, Greenhouse, Teamtailor, Bullhorn et d’autres. Le constat : seuls 8 % (2 sur 25) avaient configuré un rejet automatique fondé sur le contenu ; 92 % (23 sur 25) ne l’avaient pas fait. Et les deux qui l’avaient fait ne rejetaient pas automatiquement sur la mise en forme ou l’absence d’un mot-clé. Ils avaient fixé des seuils sur des niveaux précis de correspondance ou d’expérience. Leur phrase de synthèse est celle à retenir : « Ce ne sont pas les ATS qui rejettent les CV. Ce sont les gens. »

Considérez cela comme une petite étude, pas comme un recensement de la population. Vingt-cinq recruteurs, c’est n = 25, et vous devez y voir un indice de tendance plutôt qu’une statistique nationale. Mais il s’agit d’une mesure de première main, elle pointe dans la même direction que des entretiens de recruteurs publiés ailleurs, et elle cadre avec la réalité structurelle de l’entonnoir : la raison pour laquelle la plupart des candidatures n’aboutissent nulle part, c’est le volume additionné d’une relecture humaine trop lente, ce que nous détaillons plus bas. Le chiffre de 8 % ne porte pas l’argument à lui seul.

Ce qui déclenche réellement le « non » instantané

Si le rejet automatique fondé sur le contenu est rare, qu’est-ce qui produit ces rejets rapides que les candidats vivent bel et bien ? Trois choses, et aucune n’est un robot à mots-clés qui juge votre écriture.

Les questions éliminatoires. Dans la même étude de 2025, 84 % des recruteurs s’appuyaient sur des questions éliminatoires : des filtres explicites par oui/non pour l’autorisation de travail, une certification requise, ou une contrainte de localisation. Ce sont des barrières d’éligibilité légitimes, configurées par l’employeur. Si un poste exige légalement une autorisation de travail aux États-Unis et que vous répondez « non », vous recevez un rejet automatique instantané. C’est le système qui fonctionne comme prévu, et il présélectionne sur votre réponse à une question directe, pas sur l’analyse de votre prose.

Les échecs d’analyse. Parfois, le système n’a tout simplement pas réussi à lire votre fichier. Un CV conçu comme un PDF chargé de graphismes, ou un CV qui dissimule du texte dans des images ou des tableaux, peut arriver illisible. C’est un échec technique, pas un jugement sur vos qualifications. Cela ressemble à un rejet, mais c’est plus proche d’un appel coupé.

Les relecteurs humains sous la pression du volume. C’est le facteur majeur, et il est humain. Un seul poste populaire peut attirer des centaines, voire des milliers de candidatures en quelques jours. Les recruteurs relisent à la main et n’arrivent pas à suivre, si bien que la plupart des candidatures restent sans réponse. Le candidat n’entend que du silence et suppose qu’une machine en est responsable. En réalité, c’est une personne qui a manqué de temps.

Et les scores de correspondance par IA ? Ils classent, ils ne tranchent pas

Les systèmes modernes affichent de plus en plus un score d’IA ou d’adéquation à côté de chaque candidat, et c’est de là que naissent les nouvelles craintes de rejet automatique. Mais dans les faits, ces scores servent bien plus de repère que de barrière.

Dans les données d’Enhancv, 44 % des systèmes affichaient un score d’IA ou d’adéquation, mais seuls 8 % l’utilisaient de façon définitive pour rejeter automatiquement. Par ailleurs, 36 % traitaient le score comme un simple repère et revérifiaient les candidats manuellement, et 56 % ignoraient la fonctionnalité ou n’en disposaient pas. En 2026, des outils comme HiredScore de Workday, les signaux d’adéquation de Lever et l’assistant de présélection de Workable classent et mettent en avant les candidats. Un humain doit encore agir sur le résultat. Certains systèmes modernes recourent aussi à l’appariement sémantique plutôt qu’au décompte littéral de mots-clés, mais ce n’est pas une réalité universelle pour tous les ATS, et cela ne change rien au point central : classer n’est pas rejeter.

L’enseignement est le même pour les deux publics. Un score d’IA à l’écran est une suggestion, pas un verdict, à moins qu’un humain ne le programme explicitement pour qu’il en devienne un. Et le programmer ainsi, en silence, est précisément l’erreur qui attire des ennuis aux employeurs.

Pourquoi cela ressemble malgré tout à une boîte noire

Si la présélection est majoritairement humaine, pourquoi postuler donne-t-il l’impression de crier dans le vide ? Parce que la communication est défaillante, même quand la prise de décision n’est pas entièrement automatisée. L’incertitude, et non le rejet, est la véritable doléance.

L’étude Application Black Box de Monster a révélé qu’environ 6 chercheurs d’emploi sur 10 (environ 60 %) affirment que la partie la plus frustrante du processus est de ne pas savoir si un humain a un jour relu leur candidature. Ajoutez la friction par-dessus : 61 % ont rencontré une erreur de téléversement de CV ou un autre problème technique, et environ 60 % abandonneraient une candidature en moins de 20 minutes si elle leur semble trop longue. (Les pourcentages et tailles d’échantillon rapportés varient légèrement selon les reprises de cette étude ; lisez-les donc comme « environ 6 sur 10 », pas comme des constantes précises.) La tendance est claire. Les gens ne sont pas surtout en colère qu’on leur dise non. Ils sont en colère de ne jamais savoir si quelqu’un a regardé.

C’est la même « boîte noire » dont nous parlions du côté de l’employeur dans pourquoi votre page carrière perd des candidats. L’expérience ressentie d’un robot de rejet automatique n’est, le plus souvent, que du silence associé à une mauvaise expérience utilisateur.

Le mythe n’est pas anodin : il alimente un cercle vicieux

Vous pourriez penser qu’une statistique bidon est une bizarrerie sans victimes. Ce n’est pas le cas. Elle a un coût des deux côtés de la table du recrutement, et ces coûts se cumulent.

Du côté des candidats, le mythe pousse les gens à acheter des services « anti-ATS » de bourrage de mots-clés qui ne changent rien aux vrais filtres (questions éliminatoires, volume, relecture humaine). Du côté des employeurs, le mythe oriente le comportement des candidats vers la candidature en masse tous azimuts. L’étude de Monster a révélé qu’environ 48 % des chercheurs d’emploi postulent désormais fréquemment et rapidement à de nombreux postes, et que 51 % ont modifié leur manière de chercher un emploi parce qu’ils n’obtiennent pas de réponse. Plus de volume submerge les employeurs, ce qui incite à davantage de rejet automatique, ce qui produit plus de silence, ce qui pousse à davantage de candidatures en masse. La fausse statistique huile chaque rotation de cette roue. Si vous voulez comprendre en détail où un entonnoir à fort volume fuit réellement, nous l’avons décomposé dans le guide de l’entonnoir de recrutement.

Quand le rejet automatique dérape : l’affaire iTutorGroup

Le rejet automatique est rare, mais lorsqu’il est mal configuré et non documenté, il devient une responsabilité juridique directe. Il existe un précédent réel et coûteux qui doit servir d’avertissement aux employeurs qui lisent ces lignes.

Dans l’affaire EEOC v. iTutorGroup, réglée par un accord de consentement approuvé le 8 septembre 2023, le logiciel de recrutement de l’entreprise était programmé avec une règle automatisée qui rejetait les candidates de 55 ans et plus et les candidats de 60 ans et plus, écartant plus de 200 personnes qualifiées. iTutorGroup a transigé pour 365 000 $. De nombreux commentateurs y ont vu le premier règlement de l’EEOC lié à l’IA dans le recrutement, même s’il faut souligner à quel point peu d’« IA » était réellement en jeu : il s’agissait d’un rejet automatique fondé sur des règles, à partir de la date de naissance.

La preuve était presque cinématographique. Une candidate a été instantanément rejetée avec sa vraie date de naissance ; elle a repostulé le lendemain avec une date de naissance plus récente et des informations par ailleurs identiques, et elle a décroché un entretien. Voilà à quoi ressemble un rejet automatique mal configuré et non consigné lorsqu’il se retrouve devant un tribunal. La leçon pour un fondateur n’est pas « ne jamais automatiser ». C’est « ne jamais automatiser un rejet que vous ne pouvez ni expliquer ni auditer ».

Pour les employeurs : comment configurer une présélection défendable

Les logiciels de suivi des candidatures sont quasi universels au sommet du marché. Environ 98 % des entreprises du Fortune 500 utilisent un ATS (Jobscan, 2025). Ce n’est donc pas l’outil qui pose question. C’est la façon dont vous le configurez. La configuration défendable tient en cinq gestes.

1. N’utilisez les questions éliminatoires que pour une véritable éligibilité. Autorisation de travail, licence légalement requise, contrainte de localisation ferme. Ce sont les barrières justes et transparentes. N’y glissez pas de simples préférences.
2. Laissez l’IA lire et résumer, pas décider. Servez-vous du scoring et des résumés pour trier et hiérarchiser un tas énorme, afin qu’un humain concentre son attention là où elle compte. Que l’humain reste celui qui dit oui ou non.
3. Faites de chaque rejet une action délibérée et attribuée. Une décision assortie d’un nom et d’un motif est défendable. Un processus d’arrière-plan qui jette discrètement des gens à la corbeille, c’est le mode de défaillance d’iTutorGroup.
4. Conservez une piste d’audit. Si vous ne pouvez pas reconstituer qui a décidé quoi, et pourquoi, six mois plus tard, vous ne pouvez pas défendre la décision, et vous ne pouvez pas non plus améliorer le processus.
5. Bouclez la boucle avec les candidats. Même un « nous avons examiné votre candidature et poursuivons avec d’autres profils » standardisé et envoyé à temps vaut mieux que le silence. C’est la correction la moins chère au sentiment de boîte noire.

Comment Kit rend la présélection explicable

La plupart des logiciels de suivi des candidatures vous laissent le choix entre deux mauvaises options : un interrupteur de rejet automatique opaque, ou une pile manuelle ingérable sans aucune trace de qui a décidé quoi. Kit est bâti autour d’une troisième voie. L’IA se charge de la lecture, votre équipe tranche, et chaque décision est consignée. C’est l’antidote à la fois à la boîte noire silencieuse que les candidats détestent et au rejet automatique non documenté qui coule les employeurs.

• L’IA résume ; elle ne rejette pas automatiquement. L’IA de Kit lit les candidatures et remet à un humain le contexte (parcours du candidat, historique des étapes, résumés de soumission, notes) pour qu’il l’examine. Elle ne note-et-classe pas dans votre dos. C’est l’exact opposé du robot à mots-clés du mythe.
• Chaque décision est attribuée, auditée et exige un motif. Une décision d’embauche dans Kit est enregistrée au nom de la personne qui l’a prise, avec une justification obligatoire, et seuls les rôles autorisés peuvent la prendre. Un rejet automatique silencieux devient une décision documentée et défendable.
• Le rejet est une action humaine avec une trace écrite. Rejeter un candidat est une étape délibérée qui le notifie, permet un message personnalisé et bienveillant, et peut s’accompagner d’un délai de temporisation configurable. Il y a une personne à l’autre bout, pas un processus d’arrière-plan. Si vous voulez bien réussir cette étape, voyez comment les retours de rejet renforcent votre marque employeur.
• Des étapes structurées rendent les critères explicables. Parce que les candidats progressent à travers des étapes définies, avec des évaluations recueillies selon les mêmes critères, la question « pourquoi ai-je été écarté ? » trouve une vraie réponse, et vous pouvez montrer quel critère a fait avancer quelqu’un au lieu de pointer un score opaque.

Votre ATS ne devrait pas rejeter secrètement des gens, et il ne devrait pas les laisser se demander si quelqu’un a regardé. C’est tout l’objectif de conception. Partez d’un modèle de poste prêt à l’emploi pour que la présélection soit paramétrée de la manière défendable dès le premier jour, ou essayez Kit gratuitement et voyez-le sur votre propre tunnel de recrutement.

Foire aux questions

Les logiciels de suivi des candidatures rejettent-ils automatiquement les CV ? En grande partie non. Dans une étude de 2025 portant sur 25 recruteurs américains, seuls 8 % environ avaient configuré un rejet automatique fondé sur le contenu ; 92 % ne l’avaient pas fait. Les rejets rapides proviennent généralement de questions éliminatoires d’éligibilité, d’échecs d’analyse du CV, ou d’un relecteur humain sous la pression du volume, pas d’une IA qui scrute vos mots-clés.

D’où vient la statistique des « 75 % de CV rejetés automatiquement » ? D’un argumentaire commercial de 2012 de Preptel, un éditeur de services d’optimisation de CV qui a fermé en 2013. Elle ne repose sur aucune étude, enquête ni méthodologie. Traitez-la comme du folklore marketing, pas comme des données.

Que mesure réellement la statistique des 88 % de Harvard ? Le rapport Hidden Workers de 2021 de Harvard et Accenture a révélé que 88 % des employeurs déclaraient que des candidats qualifiés et hautement compétents sont écartés faute de correspondre exactement aux critères (94 % pour les compétences intermédiaires). Il mesure des critères de filtrage configurés par des humains, pas une IA qui déciderait seule.

Pourquoi n’ai-je jamais de réponse après avoir postulé ? Le plus souvent, c’est le volume additionné d’une communication défaillante, pas un robot à mots-clés. Un seul poste peut attirer des centaines de candidatures, la relecture humaine n’arrive pas à suivre, et environ 6 candidats sur 10 disent que leur principale frustration est de ne pas savoir si un humain a un jour regardé (Monster).

Activer le rejet automatique est-il risqué pour les employeurs ? Cela peut l’être. Dans l’affaire EEOC v. iTutorGroup (2023), une règle automatisée rejetant les candidats âgés a conduit à un règlement de 365 000 $. Le rejet automatique n’est défendable que lorsqu’il se déclenche sur de véritables règles d’éligibilité et que chaque décision est attribuée et auditée.

En résumé : mettez au rebut le mythe des 75 %, comprenez que ce sont les humains qui règlent les filtres, et configurez une présélection que vous pouvez réellement expliquer. Servez-vous des questions éliminatoires pour la véritable éligibilité, laissez l’IA lire pour que votre équipe décide plus vite, et consignez chaque rejet avec une personne et un motif attachés. Faites cela, et le recrutement cesse d’être une boîte noire pour tout le monde, de part et d’autre de la table.