France Travail envisage d’exploiter l’IA pour analyser et profiler des millions de demandeurs d’emploi
France Travail réfléchit à un usage sensible de l’intelligence artificielle : classer des demandeurs d’emploi selon un niveau de “suspicion” 🧠. L’objectif affiché vise le ciblage des contrôles de la recherche d’emploi, avec un tri automatique à partir des données du dossier. Pour toi, la vraie question est simple : sur quoi l’algorithme se base, et quels effets ça peut avoir sur ton parcours.
France Travail et l’IA : un projet de profilage pour cibler les contrôles
Le projet a été présenté en décembre 2025 au comité d’éthique IA de France Travail. Son nom annonce la couleur : “Ciblage du contrôle de la recherche d’emploi” 🎯. L’idée consiste à trier automatiquement des dossiers, puis à orienter une partie vers les agents chargés des vérifications.
Selon les éléments qui ont circulé, le système formerait deux groupes : “suspects” et “non suspects”. Ce vocabulaire, repris par des acteurs de défense des droits numériques, montre un basculement : on passe d’un contrôle au cas par cas, à un tri statistique en amont. Et ce tri peut peser lourd, même sans preuve directe.
Pour rendre ça concret, imagine Inès, 22 ans, sortie d’un BTS. Elle cherche un job en vente, mais son CV n’est pas à jour en ligne. elle répond aux offres depuis son téléphone, sans rendez-vous récent. Sur le papier, son dossier peut “ressembler” à d’anciens cas contrôlés. Voilà le cœur du débat : la ressemblance n’est pas un manquement ⚠️.
Ce fonctionnement prépare la suite : quelles données nourrissent le modèle, et comment elles deviennent des signaux de suspicion.
Algorithme de contrôle : comment France Travail construit un dossier “suspect”
Pour entraîner son outil, France Travail a croisé les conclusions d’anciens contrôles avec 26 informations issues des dossiers. Le but : repérer des caractéristiques souvent présentes dans les situations jugées problématiques par le passé. Ensuite, ces caractéristiques servent de repères pour trier les nouveaux dossiers.
Parmi les signaux utilisés, plusieurs sont connus des demandeurs d’emploi. Ils ne prouvent rien seuls, mais ils deviennent des “indices” une fois mis en paquet. C’est là que l’IA change la logique : elle transforme des statistiques en soupçons 🧩.
- 🧾 Activité déclarée : périodes d’emploi, missions, changements récents.
- 📄 Visibilité du CV : CV en ligne absent, incomplet, ou peu consulté.
- 🎓 Niveau de formation : diplôme déclaré et cohérence avec le métier visé.
- 🔎 Métier recherché : secteur, tension du marché, cohérence du projet.
- ⏳ Ancienneté d’inscription : durée sur les listes et variations.
- 📅 Entretiens récents : rendez-vous, ateliers, échanges enregistrés.
- 🚫 Absences : rendez-vous manqués, indisponibilités déclarées.
- 👤 Activité non salariée : micro-activité, projet indépendant, démarches annexes.
Une situation fréquente illustre le piège : un jeune en recherche, peu à l’aise avec les démarches en ligne, peut avoir un CV peu visible. Ce n’est pas un refus de chercher. C’est parfois un problème d’accès ou de maîtrise des outils. Si le modèle ne voit que le signal, il rate la cause.
Et quand l’étiquette “suspect” arrive trop tôt, le contrôle peut s’ouvrir avant même qu’un conseiller ait compris la situation. Le point clé est là : le tri arrive avant l’échange 🗣️.
Profilage IA chez France Travail : ce que les données ne disent pas sur ta recherche d’emploi
Un dossier “faible” sur certains indicateurs peut cacher une réalité banale. Peu d’entretiens récents ? Ça peut vouloir dire candidatures sans réponse, secteur bouché, ou problèmes de transport. Pas de CV en ligne ? Ça peut signaler un blocage numérique ou une méconnaissance des règles du site.
Le risque, c’est l’effet “loupe” 🔍 : une difficulté devient un signe suspect, puis déclenche une procédure. Or, la recherche d’emploi n’est pas une ligne droite. Elle dépend aussi de la santé, du logement, du réseau, et du temps pour se former.
Reprenons Inès : elle a raté deux ateliers car elle gardait son petit frère. Son dossier affiche des absences. Dans un tableur, ça ressemble à du désengagement. Dans la vraie vie, c’est un problème d’organisation et de charge familiale. Une IA ne voit pas ce contexte, sauf s’il est écrit et reconnu.
Ce point ouvre une autre question : quelles protections existent pour éviter les erreurs, et comment réagir si un contrôle tombe.
Contrôle de la recherche d’emploi : quels impacts concrets pour les jeunes
Si un dossier est orienté plus souvent vers le contrôle, la conséquence la plus immédiate est la pression. Tu peux te retrouver à justifier des démarches, même quand tu galères déjà. Et ça peut aussi influencer la relation avec l’institution : certains évitent les mises à jour, par peur d’être mal compris.
Pour être clair, le modèle ne “prouve” pas un manque de recherche. Il repère des profils proches d’anciens dossiers sanctionnés, puis il priorise ceux-là. Dit autrement : ce n’est pas “tu as fauté”, c’est “tu ressembles à des cas où il y a eu faute” ⚠️.
| 📌 Élément du dossier | 🤖 Ce que l’algorithme peut en déduire | 🧠 Explication alternative fréquente |
|---|---|---|
| 📄 CV peu visible | Risque de faible démarche | Difficultés numériques, CV pas “formaté”, manque d’aide |
| 📅 Peu d’entretiens | Manque d’activité | Secteur saturé, candidatures sans réponse, stress en entretien |
| 🚫 Absences notées | Non-respect du suivi | Transport, santé, garde d’un proche, horaires de job alimentaire |
| ⏳ Inscription longue | Risque de stagnation | Manque d’offres locales, besoin de formation, mobilité limitée |
| 👤 Activité non salariée | Dossier “atypique” | Micro-entreprise en test, missions ponctuelles, projet en construction |
Le point qui accroche, c’est l’asymétrie : un jeune doit se justifier, alors que le tri initial reste souvent opaque. Et quand la décision vient d’un modèle, il devient plus dur de discuter le “pourquoi”. L’enjeu devient donc : garder des traces claires de sa recherche.
IA et France Travail : comment te protéger si ton dossier déclenche un contrôle
Un contrôle peut arriver même si la recherche est sérieuse. L’objectif, c’est d’éviter les malentendus. Le plus simple consiste à rendre visibles les efforts réels, même quand ils ne “rentrent” pas bien dans les cases.
Exemple concret : Yanis, 19 ans, cherche un apprentissage. Il a contacté des entreprises via Instagram et par téléphone. Résultat : peu de traces “officielles”. En cas de vérification, il est en difficulté. La solution est basique : capturer des preuves et les ranger.
Les réflexes utiles pour documenter ta recherche d’emploi 📌
- 🗂️ Garde une liste de candidatures : date, entreprise, poste, réponse.
- 📧 Archive les mails et enregistre les accusés de réception.
- 📸 Fais des captures quand tu candidatures via un formulaire ou un réseau social.
- 📞 Note les appels : qui, quand, pourquoi, résultat.
- 🧾 Conserve les convocations : ateliers, rendez-vous, forums, salons.
- 🧠 Écris les obstacles : souci de transport, santé, logement, et dates.
Ces gestes ne “blindant” pas tout, mais ils aident à raconter une trajectoire. Face à une machine qui lit des signaux, il faut un récit clair et daté. Et si le contrôle tombe, ces éléments rendent l’échange plus équilibré.
Le fil conducteur est simple : moins tu laisses de zones grises, moins tu dépends d’un score 🧾.