Tribune - Les technologies sémantiques au cœur de la lutte contre la discrimination à l’emploi. Par Florence Berbain, Textkernel

Un système analysant automatiquement le texte d’une offre d’emploi et levant une alerte dès qu’il y a suspicion d’énoncés discriminants… Voilà de quoi faire rêver bon nombre de DRH et de diffuseurs d’offres d’emploi. Car avec 18 critères de non-discrimination au sein du Code du Travail - âge, sexe, nationalités, opinions politiques, activité syndicale, lieu de résidence, religion… - la vérification de la conformité légale des offres d’emploi publiées en ligne n’est pas une mince affaire. 

Le système sémantique qu’a développé Textkernel est entraîné, à partir d’un gros volume d’offres déjà existant, à identifier des fragments de textes qui pourraient présenter une discrimination à l’emploi. Une particularité du français est que le genre est souvent très marqué dans les énoncés. Par exemple, l’intitulé de poste « sage-femme » peut laisser entendre que vous recherchez uniquement des femmes, ce qui bien entendu est formellement interdit. De manière plus insidieuse, un intitulé de poste, même si il est correctement neutralisé avec la mention (H/F), peut être suivi dans la description de l’offre d’adjectifs exclusivement féminins ou inversement exclusivement masculins, laissant ainsi transparaitre la préférence pour un candidat féminin et masculin. Ce type d’énoncé sera remonté par le système à l’auteur de l’offre pour lui permettre de le mettre en conformité avec le cadre légal.

Les avantages d’un système automatique

Aujourd’hui, les entreprises ne peuvent pas s’affranchir de leur responsabilité vis-à-vis de la rédaction ou de la publication des offres d’emploi puisqu’il existe une responsabilité pénale. Deux solutions s’offrent alors à elles. Soit elles vérifient manuellement l’ensemble de leurs publications, ce qui est imaginable dans le cas d’une entreprise ayant à traiter un petit volume d’offres ; soit elle doit faire appel à des outils capables de traiter du Big Data, c’est le cas des grandes entreprises et de leurs milliers d’offres mais aussi des jobboards ou des grands opérateurs institutionnels. Ici, la rationalisation du processus devient indispensable. Dans cette optique, la fonctionnalité Big Data automatique permet d’optimiser le taux de traitement en étant capable d’analyser des millions d’offres à l’heure. 

Bien entendu, si à l’heure actuelle aucun système informatique ne peut encore prétendre être aussi précis que le jugement humain, la solution Big Data de Textkernel permet d’identifier la grande majorité des offres à risque avec une faible marge d’erreur.

Autre atout : son objectivité. Contrairement à l’être humain qui est nécessairement influencé par ses préconceptions, le Big Data n’a pas d’âme. Il n’existe donc pas de différences d’interprétation. Les erreurs sont toujours les mêmes et aisément correctibles. Comme tous systèmes sémantiques, le système automatique est entraîné sur la base d’un corpus de données, il apprend et se corrige sur la base de l’expérience. 

L’expérience de la recherche de discrimination dans les offres est ainsi typiquement un domaine où l’AI peut aider l’humain à devenir plus objectif et plus juste.

Florence Berbain est product manager au sein de Textkernel, société spécialisée dans les technologies du langage et de l’intelligence artificielle.