Agent IA RH en PME de 50 salariés : le cas chiffré

TL;DR

• Une PME industrielle de 50 salariés (environ 18 recrutements par an) a déployé un agent IA sur un périmètre volontairement restreint : présélection de candidatures et séquence d'onboarding, jamais de décision d'embauche automatisée.
• Setup autour de 7 200 EUR sur 5 semaines, coût courant environ 260 EUR par mois. Temps de traitement d'une candidature passé de 22 à 6 minutes, délai de première réponse candidat de 9 à 2 jours ouvrés.
• 3 incidents documentés en onze mois, aucun grave, parce qu'un humain valide chaque étape avant qu'elle ne devienne définitive.
• Le choix de ne jamais automatiser la décision d'embauche elle-même n'est pas qu'une prudence juridique : c'est ce qui a rendu le projet acceptable pour l'équipe RH et les managers, qui gardent la main sur ce qui compte vraiment.

Ce cas illustre ce qu'un agent IA RH PME peut vraiment apporter quand le périmètre reste sobre : pas un remplacement de la fonction RH, un accélérateur du tri et du suivi, avec l'humain qui garde la décision.

Le contexte : une RH seule face à un volume qui déborde

L'entreprise est une PME industrielle d'une cinquantaine de salariés dans l'Est lyonnais, spécialisée dans la sous-traitance mécanique. Une seule personne tient la fonction RH, épaulée ponctuellement par les managers d'équipe pour les entretiens. L'entreprise recrute entre 15 et 20 personnes par an, un rythme qui a doublé en trois ans avec la croissance de l'activité, sans que l'effectif RH suive.

Avant le projet, chaque candidature reçue par email ou via une plateforme d'annonces était lue, résumée mentalement et classée à la main dans un tableur partagé. Le temps de traitement moyen tournait autour de 22 minutes par candidature dès qu'il fallait comparer le profil à plusieurs critères du poste (expérience machine-outil, habilitations, mobilité). Sur une campagne de recrutement typique, avec 60 à 80 candidatures reçues pour un poste technique, ce temps de tri représentait à lui seul plusieurs journées de travail RH, avant même les entretiens.

Le second point de friction concernait l'onboarding. Les nouveaux arrivants recevaient leurs accès, leur planning de formation interne et leurs contacts au fil de l'eau, selon la disponibilité de la RH et des managers cette semaine-là. Le délai moyen pour qu'un nouvel arrivant ait l'ensemble de ses accès et de son parcours d'intégration en main dépassait souvent dix jours. L'effet se voyait directement sur le sentiment d'accueil, et sur le temps avant productivité réelle au poste. Le sujet n'était pas nouveau pour l'entreprise : elle avait déjà tenté de le cadrer sans outil dédié, une approche qu'on retrouve détaillée dans notre guide sur l'onboarding automatique en PME, avant de conclure qu'il fallait un système qui pousse les étapes plutôt qu'un process qui repose sur la mémoire de deux personnes.

Le choix de périmètre : présélection et onboarding, jamais la décision

C'est le point de méthode le plus important de ce projet, et celui qu'on documente le plus rarement dans les études de cas publiées sur le sujet. Avant même de parler de technique, l'équipe a tranché une question de fond : qu'est-ce que l'agent a le droit de décider seul, et qu'est-ce qui reste entre des mains humaines.

La réponse retenue a été stricte. L'agent lit les candidatures, en extrait un résumé structuré (expérience, compétences techniques, mobilité, disponibilité), calcule un score de correspondance au poste, et propose un classement. Il n'élimine jamais un candidat de sa propre initiative : chaque candidature, y compris celles au score le plus faible, reste visible et consultable par la RH. Côté onboarding, l'agent déclenche des séquences (email de bienvenue, checklist d'accès, rappel de formation) à des dates planifiées, mais toute exception (arrivée décalée, poste modifié en cours de process) repasse par une validation humaine avant envoi.

Ce choix a une conséquence directe sur la lecture réglementaire du projet. Le tri de CV qui élimine automatiquement des candidats sans intervention humaine entre dans la catégorie des systèmes à haut risque de l'AI Act. Cette catégorie impose une documentation technique complète, une gouvernance des données et un enregistrement dans une base européenne. L'échéance d'application de cette catégorie précise, l'annexe III, vient d'être repoussée du 2 août 2026 au 2 décembre 2027 par le règlement Digital Omnibus, entré en vigueur le 27 juillet 2026. On détaille ce calendrier et ses nuances dans notre guide sur l'AI Act et les agents IA en PME.

Indépendamment de la date d'entrée en application, concevoir l'agent RH comme un assistant qui propose plutôt qu'un système qui décide a évité à cette PME de se poser la question un jour sous la contrainte d'un contrôle. Ce choix a surtout évité l'erreur la plus commune de ce type de projet : perdre la confiance des managers en leur retirant une décision qu'ils veulent garder. Un agent IA RH pour PME qui respecte cette limite se fait accepter beaucoup plus vite en interne qu'un système présenté comme une automatisation totale du recrutement.

Anatomie du projet : ce qui a été construit, et ce qui existait déjà

Le stack technique reste volontairement simple. L'ATS existant, un outil basique de suivi de candidatures, reste le système de référence : rien n'a été remplacé. Un agent construit sur un orchestrateur type n8n lit les nouvelles candidatures dès leur arrivée. Il les fait passer par un modèle de langage pour extraction et scoring, puis pousse le résultat dans l'ATS sous forme de note structurée que la RH consulte avant de trier elle-même. Pour l'onboarding, une base Notion sert de séquenceur : chaque nouvel arrivant a sa fiche avec un statut d'avancement, et l'agent envoie les rappels et documents selon un calendrier prédéfini, avec relance automatique si une étape n'est pas cochée dans les délais.

Le setup complet a coûté environ 7 200 EUR, réparti sur cinq semaines. Ce budget inclut trois semaines de calibrage du scoring sur d'anciennes candidatures, pour vérifier que le classement produit correspondait au jugement humain, une étape de validation proche de ce qu'on recommande dans notre méthode pour évaluer la fiabilité d'un agent IA avant toute mise en production. Le coût courant, API et hébergement compris, tourne autour de 260 EUR par mois. Ces ordres de grandeur sont cohérents avec les fourchettes publiées pour ce type de projet, qui situent un POC agent IA RH sur une petite structure entre 3 000 et 8 000 EUR de setup et 100 à 400 EUR par mois d'exploitation (itsystemes.fr, agent IA 24/7 pour PME, coûts et ROI). Le haut de fourchette s'explique ici par la connexion à trois systèmes différents plutôt qu'un seul.

Les chiffres avant/après, mesurés sur les mêmes postes

La comparaison porte sur deux campagnes de recrutement pour un poste similaire (technicien de production), l'une menée six mois avant le déploiement de l'agent, l'autre six mois après, avec la même personne RH aux commandes des deux côtés.

Le temps de traitement moyen d'une candidature, de la réception à la décision de la faire avancer ou non dans le process, est passé de 22 minutes à 6 minutes. L'agent ne remplace pas le jugement, il évite la relecture complète de chaque CV : la RH part d'un résumé déjà structuré et valide ou ajuste, plutôt que de repartir de zéro à chaque candidature.

Le délai de première réponse à un candidat, un point souvent négligé mais qui pèse lourd sur l'image de l'entreprise auprès des candidats, est passé de 9 jours ouvrés en moyenne à 2 jours. Ce gain vient directement du temps libéré côté tri, pas d'un changement de process de réponse en tant que tel.

Côté onboarding, le délai pour qu'un nouvel arrivant dispose de l'ensemble de ses accès et de son parcours de formation est passé d'un peu plus de 10 jours à 3 jours en moyenne, avec un taux de complétion des étapes d'intégration dans les délais qui est monté à plus de 90%, contre un suivi jusqu'alors très irrégulier selon la charge de travail de la RH cette semaine-là.

Ces ordres de grandeur rejoignent ce que documente la littérature disponible sur le sujet, qui évoque 30 à 50% du temps RH consacré à l'onboarding absorbé par ce type d'agent sur une PME au volume de recrutement comparable, soit 150 à 300 heures économisées sur une année (hyperstack.studio, agent IA RH, automatiser recrutement et onboarding en 2026). Le chiffre à retenir n'est pas celui-là en tant que tel, c'est la méthode : mesurer sur ses propres postes avant d'annoncer un gain, parce que ce type de fourchette varie fortement selon la complexité des critères de poste et la maturité de l'ATS de départ.

Les 3 incidents réels, et pourquoi aucun n'a dégénéré

Premier incident, au troisième mois. L'agent a produit un résumé de CV qui inversait deux expériences professionnelles dans l'ordre chronologique, à cause d'une mise en page en deux colonnes que l'extraction lisait mal. La RH s'en est rendu compte en comparant le résumé au CV original avant l'entretien, une vérification qui fait partie du processus dès le départ. Correction : ajout d'un contrôle qui signale les CV en mise en page complexe pour une relecture attentive systématique.

Deuxième incident, au sixième mois. Une relance d'onboarding automatique est partie vers un salarié qui avait finalement annulé sa prise de poste une semaine avant sa date de début, l'information n'ayant pas été remontée dans la base Notion à temps. L'email n'a pas eu de conséquence pratique, le salarié ne travaillait déjà plus avec l'entreprise, mais l'incident a révélé un trou dans le processus : personne n'était formellement responsable de mettre à jour un statut d'annulation. Correction : la RH a été désignée propriétaire unique du statut de chaque fiche, avec une case à cocher obligatoire avant toute annulation de séquence.

Troisième incident, au neuvième mois. Un profil clairement senior a été classé comme junior par l'agent, parce que son CV n'utilisait pas les mots-clés attendus pour les habilitations machine, formulés différemment d'une entreprise à l'autre dans ce secteur. Le candidat a bien été vu en entretien parce que la RH consulte systématiquement les candidatures même mal classées. Mais l'écart de score aurait pu le faire passer inaperçu dans un contexte de traitement plus rapide. Correction : le référentiel de mots-clés a été enrichi avec les variantes rencontrées, et la RH a pris l'habitude de vérifier manuellement les 10 candidatures les moins bien scorées de chaque campagne, pas seulement les mieux classées. Cette discipline de contrôle continu rejoint les garde-fous qu'on détaille dans notre guide sécurité des agents IA en production.

Ce qu'on retient pour une PME qui envisage le même projet

Le gain financier direct de ce projet n'est pas spectaculaire en valeur absolue : quelques centaines d'heures RH récupérées par an sur une structure d'un seul poste RH. Ce temps a surtout permis à cette personne de consacrer plus d'attention à l'accompagnement des managers et moins au tri administratif. La valeur réelle n'est pas dans un chiffre de ROI à trois mois. Elle est dans la capacité à absorber un doublement du volume de recrutement sans ajouter un deuxième poste RH, et dans un délai de première réponse aux candidats qui a un effet mesurable sur l'image employeur, dans un bassin d'emploi où la concurrence entre PME industrielles pour attirer des techniciens qualifiés est réelle. On retrouve une logique de gain de temps comparable, sur un métier différent, dans notre étude de cas sur la qualification de leads par agent IA.

Le point de méthode qui s'exporte le mieux d'un projet à l'autre n'est pas technique, c'est le tracé de la limite entre ce que l'agent propose et ce qu'un humain décide. Un agent IA RH pour PME qui se contente d'assister la décision plutôt que de la prendre encaisse mieux ses propres erreurs. Il reste plus facile à faire accepter par les équipes, et il évite à la PME de se retrouver, sans l'avoir choisi, dans la catégorie la plus exigeante de la réglementation européenne sur l'IA.