Pendant des années, l’intelligence artificielle a été principalement associée au pouvoir de filtrage des entreprises. Les directions RH l’ont utilisée pour trier des CV, automatiser des réponses, classer des candidatures, identifier des mots-clés, préqualifier des profils ou alimenter des outils d’aide à la décision. Dans cette configuration, l’entreprise détenait la technologie, la donnée et le pouvoir d’interprétation. Le candidat devait s’adapter à des systèmes qu’il ne voyait pas toujours.
Cette asymétrie commence à se réduire. Les mêmes technologies qui permettaient aux recruteurs d’analyser les candidats peuvent désormais servir à analyser les recruteurs. Les expériences partagées en ligne, les avis d’entretien, les délais de réponse, les annonces republiées et les postes jamais clôturés deviennent une matière exploitable. Les candidats ne se contentent plus de subir un processus. Ils peuvent comparer, documenter et, de plus en plus, auditer la sincérité des pratiques RH.
Le phénomène des « ghost jobs » donne à cette évolution une portée particulière. Ces offres publiées sans vacance immédiate ou raisonnablement prévisible posent un problème de confiance. Elles attirent des candidatures, mobilisent du temps, parfois déclenchent des entretiens ou des tests, mais ne débouchent sur aucune embauche parce que le besoin n’est pas réel, pas budgété ou pas encore validé. L’entreprise y voit parfois un vivier. Le candidat y voit une opportunité. C’est dans cet écart que naît la défiance.
L’étude de Hunter NG, publiée en octobre 2024 par Baruch College, a apporté une première mesure académique de ce phénomène. À partir de 269.347 avis d’entretiens en anglais issus de Glassdoor, l’auteur estime que jusqu’à 21 % des annonces analysées pourraient correspondre à des ghost jobs, en utilisant une approche combinant intelligence artificielle et modèle BERT. Le texte fourni souligne que cette méthode ne se limite pas à repérer des mots-clés explicites ; elle analyse le contexte des témoignages pour distinguer une simple déception de candidat d’un schéma plus structuré de recrutement sans issue.
Le chiffre ne doit pas être transposé mécaniquement au Maroc. Mais le mécanisme concerne directement les DRH marocains. Les plateformes comme LinkedIn, Indeed, les jobboards spécialisés et les pages carrière produisent des traces. Les candidats y laissent des signaux. Les annonces y révèlent des comportements de publication. Les réseaux professionnels amplifient les expériences. Une entreprise qui entretient des offres ambiguës ne maîtrise plus seule son image de recruteur.
L’analyse du langage rend visibles les incohérences du recrutement
La nouveauté ne tient pas seulement à l’existence des ghost jobs. Les candidats ont toujours su repérer certains processus douteux : annonces qui restent en ligne pendant des mois, recruteurs incapables de préciser le budget, managers absents, entretiens superficiels, absence de retour après plusieurs étapes. Ce qui change, c’est la capacité de la technologie à agréger ces signaux et à les transformer en indicateurs lisibles.
Les anciens outils de recherche par mots-clés étaient limités. Ils pouvaient repérer des termes comme « ghosting », « poste gelé », « pas de retour » ou « offre annulée ». Mais ils passaient à côté des situations plus subtiles, dans lesquelles un candidat décrit un processus incohérent sans employer le vocabulaire exact du recrutement fantôme. Un entretien sans question technique, une discussion sans clarification du rôle, un délai très long ou une absence de négociation salariale peuvent signaler un problème, même si le candidat ne parle jamais explicitement de ghost job.
Les modèles de type BERT sont plus adaptés à cette lecture. Ils analysent le sens d’une phrase dans son contexte. Ils peuvent repérer des régularités dans des milliers de témoignages, identifier des combinaisons de signaux et distinguer une expérience simplement négative d’un processus révélant une absence d’intention réelle. Pour les chercheurs, cette méthode ouvre un champ d’analyse du marché du travail. Pour les candidats, elle rend possible une lecture plus informée des entreprises. Pour les DRH, elle crée une nouvelle exigence de cohérence.
Cette évolution place la marque employeur sous un contrôle plus diffus. Les entreprises avaient l’habitude de piloter leur image par des contenus maîtrisés : campagnes RH, vidéos, témoignages internes, posts LinkedIn, pages carrière. Désormais, leur réputation se forme aussi à partir de données non maîtrisées : avis d’entretien, commentaires de candidats, durées de publication, fréquence de republication, taux apparent de clôture, silence après entretien. La promesse RH est confrontée aux traces laissées par le processus réel.
Le sujet est particulièrement sensible pour les entreprises qui communiquent fortement sur l’humain, la transparence ou l’expérience candidat. Plus la promesse est élevée, plus l’écart avec la pratique devient visible. Un candidat qui passe plusieurs entretiens pour un poste jamais réellement ouvert ne retient pas seulement un dysfonctionnement. Il perçoit une contradiction entre le discours public et le comportement opérationnel. Les outils d’analyse ne créent pas cette contradiction. Ils la rendent plus difficile à ignorer.
Le candidat augmenté modifie le rapport de force
L’usage de l’IA par les candidats ne signifie pas que chaque postulant va entraîner un modèle de langage pour auditer une entreprise. Le changement est plus progressif. Les candidats utilisent déjà des outils pour analyser les offres, adapter leurs CV, préparer leurs entretiens, comparer les rémunérations ou repérer les signaux faibles d’une annonce. Demain, ces outils pourront intégrer des indicateurs de fiabilité : durée de publication, fréquence de réapparition d’un poste, commentaires sur les processus, absence de clôture visible, retours candidats récurrents.
Pour les profils les plus recherchés, ce filtrage peut devenir décisif. Un développeur senior, un expert cybersécurité, un ingénieur spécialisé, un consultant data ou un responsable commercial expérimenté n’a pas intérêt à perdre du temps dans des processus incertains. Si des outils lui permettent d’écarter les employeurs dont les annonces restent perpétuellement ouvertes sans embauche visible, il les utilisera. La rareté des compétences donnera encore plus de poids à cette capacité de sélection.
Ce mouvement peut aggraver les difficultés des entreprises déjà perçues comme peu fiables. Un recruteur qui publie beaucoup mais répond peu sera moins sollicité. Une entreprise qui demande des tests techniques sans décision rapide sera contournée. Un employeur dont les annonces sont régulièrement associées à des postes gelés ou à des silences prolongés perdra en attractivité. La technologie ne fera qu’amplifier une sanction de marché déjà présente : les meilleurs profils évitent les processus qui consomment leur temps sans perspective claire.
La fatigue de recherche devient alors un enjeu stratégique. Un candidat confronté à plusieurs offres sans issue réduit progressivement son niveau de confiance. Il répond moins, exige plus tôt des informations sur le budget, demande des garanties sur le calendrier ou privilégie les recruteurs recommandés par son réseau. Cette prudence peut être interprétée par les entreprises comme une baisse de motivation. Elle traduit souvent une adaptation rationnelle à un marché saturé de signaux ambigus.
Les DRH doivent comprendre ce déplacement. L’IA ne sert pas seulement à automatiser la présélection. Elle permet aussi aux talents de présélectionner les employeurs. Cette symétrie nouvelle impose une discipline plus forte. L’entreprise ne peut plus considérer l’annonce comme un outil neutre de visibilité. Chaque publication est un signal vérifiable. Chaque silence est une donnée. Chaque incohérence de processus peut devenir une trace exploitable.
La réponse ne consiste pas à surveiller les candidats ni à tenter de contrôler les commentaires publics. Elle consiste à auditer les pratiques internes avant que le marché ne le fasse. Une direction RH doit savoir combien d’annonces actives correspondent à des postes réellement ouverts, combien relèvent de viviers, combien restent en ligne après gel du besoin, combien génèrent des entretiens sans décision et combien aboutissent à des contrats signés. Sans cette cartographie, elle pilote sa réputation à l’aveugle.
Les outils d’analyse peuvent être utilisés dans ce sens. Un audit de sentiment sur les retours candidats, une analyse des délais de réponse, un suivi des annonces inactives, une détection des postes republiés sans embauche, une comparaison entre volume d’offres et contrats signés : ces indicateurs permettent de mesurer la sincérité opérationnelle du recrutement. Ils donnent aux DRH une donnée plus utile que le simple nombre de candidatures reçues.
Cette démarche doit s’accompagner d’une clarification des statuts. Une offre ouverte doit correspondre à un poste budgété, un manager identifié et un calendrier de décision. Un vivier doit être présenté comme un vivier. Une campagne exploratoire doit être nommée comme telle. Un test technique ne devrait être demandé que si le besoin est confirmé. Un candidat reçu doit obtenir une réponse, même minimale. Ces règles relèvent moins de la communication que de l’hygiène de gestion.
Les entreprises marocaines ont intérêt à agir tôt. Le marché de l’emploi digital produit déjà assez de bruit : annonces dupliquées, offres imprécises, candidatures massives, réponses automatisées, délais longs. Ajouter des ghost jobs à cet environnement revient à réduire encore la confiance. À l’inverse, une entreprise qui publie moins d’offres mais mieux qualifiées peut gagner en crédibilité. La clarté devient un avantage concurrentiel.
L’intelligence artificielle rend le recrutement plus transparent, même lorsque les entreprises ne le souhaitent pas. Elle transforme les traces dispersées en signaux interprétables. Elle donne aux candidats une capacité d’analyse qui n’était pas disponible à grande échelle. Elle expose les écarts entre discours RH et pratiques réelles. Pour les DRH, le message est direct : la sincérité n’est plus seulement une posture éthique. Elle devient un critère mesurable de performance et d’attractivité. Une annonce doit redevenir une promesse claire ; à défaut, elle sera tôt ou tard classée comme du bruit par les candidats, les plateformes ou les algorithmes qui les accompagnent.
