Un syllabus lu par une machine : où la lecture devient un choix
Une machine peut tirer d’un syllabus les critères d’un cours. Dès qu’elle mesure si un intervenant y correspond, pour le noter, le classer ou le présélectionner, l’école entre dans les règles les plus strictes de l’AI Act, même quand elle garde la décision.
Un cours n’a jamais été pourvu. Le responsable pédagogique a son syllabus : les contenus, les compétences visées, le volume d’heures. Il lui faut un intervenant pour le semestre, et il n’en connaît aucun. La tentation est simple : confier le syllabus à une machine, et lui demander qui pourrait donner ce cours.
Deux questions se posent alors. Que peut-on confier à la machine sans changer de régime ? Et à quel moment ne lit-elle plus un cours, mais des personnes ?
Une machine peut mettre en forme ce que le syllabus dit déjà. Dès qu’elle mesure si un intervenant correspond aux critères, l’école se sert d’un outil que l’AI Act range parmi les usages à haut risque, et garder la décision n’y change rien. Ces règles s’appliquent le 2 décembre 2027.
Pourvoir un cours explique comment écrire ces critères et où chercher. Cet article dit ce qu’une machine peut en faire, d’après le texte que la Commission européenne a mis en consultation au printemps 2026.
Ce qu’une machine peut tirer d’un syllabus
Le 19 mai 2026, la Commission a publié un projet de lignes directrices qui dit quels outils d’IA relèvent du haut risque. Elle l’a mis à jour le 23 juillet. Le texte reste un projet, et sa version finale est attendue d’ici fin 2026. Il donne pourtant la lecture la plus précise disponible, cas par cas.
Un de ses exemples ressemble beaucoup à la lecture d’un syllabus. Un outil rédige une description de poste à partir des tâches et des compétences qu’un recruteur a écrites avant lui. Selon le projet, il accomplit une tâche étroite et sort du haut risque (encadré qui suit le § 247 ). Le même outil bascule s’il invente lui-même les compétences à partir d’une description sommaire du poste.
Pour un syllabus, la ligne passe donc par ce qu’il contient. S’il nomme les compétences que le cours doit faire acquérir, la machine les relève et les range : elle met en forme ce qu’une personne a écrit. S’il se contente d’un titre et de trois mots-clés, la machine devine ce que le cours demande, et c’est elle qui fixe les critères. Par analogie avec l’exemple du projet, ce second cas relève du haut risque.
D’autres tâches restent hors du haut risque, selon les exemples du projet : ranger les informations d’un CV dans une base que le recruteur interroge, vérifier une accréditation dans un registre officiel avec une réponse « confirmée » ou « non confirmée », planifier les entretiens. Analyser un dossier de manière descriptive, sans donner de poids à ce qu’on lit, reste une tâche préparatoire (§ 253).
Un syllabus précis sert donc deux fois. Il donne au responsable son premier critère, et il laisse la machine dans un rôle de lecteur.
Quand un outil d’IA de recrutement passe-t-il au haut risque ?
Le projet range au haut risque l’outil qui mesure la compatibilité d’un profil ou d’une expérience avec les critères de sélection (§ 253). Lire le syllabus portait sur un cours. Mesurer si un profil répond à ces critères porte sur une personne.
Le projet entend l’évaluation des candidats au sens large : la note, le classement, la prédiction, et aussi le jugement qualitatif (§ 254). La recherche elle-même compte, puisque le recrutement commence dès qu’on identifie des candidats possibles dans une base (§ 246). Le même § 254 cite l’outil qui cherche des candidats ou des prestataires sur des plateformes, à partir de critères saisis par le recruteur, et qui en tire une liste courte. Le projet le range au haut risque.
Le profilage n’a droit à aucune exception. Un outil qui évalue des aspects personnels, comme l’aptitude d’une personne à une tâche, fait du profilage. Un outil qui profile reste toujours à haut risque (article 6 de l’AI Act , paragraphe 3, et § 109 à 111 du projet).
Un intervenant indépendant est un candidat comme un autre
Une école pourrait croire que ces règles visent l’embauche de salariés, et que ses intervenants, indépendants pour la plupart, y échappent. Le projet dit le contraire. Les freelances, les professions indépendantes et les prestataires entrent dans le champ, quel que soit leur statut, dès qu’un outil d’IA conditionne leur accès à une mission (§ 241). Un outil qui sert à sélectionner des indépendants, pour ceux qui les engagent, relève de la même catégorie que le recrutement (§ 249).
Le statut de l’intervenant compte pour son contrat, comme le détaille l’article sur le statut d’un intervenant. Il ne compte pas ici. Le projet ne trace qu’une nuance pour les indépendants : un outil qui juge les réponses à un appel d’offres n’est pas à haut risque du seul fait qu’un indépendant peut répondre, s’il juge l’offre et non la personne (note 44). Une école qui choisit un intervenant pour un cours choisit une personne.
Une décision humaine sort-elle un outil d’IA de recrutement du haut risque ?
L’objection vient d’elle-même : l’outil propose, le responsable décide. Le projet l’a prévue. Il range au haut risque l’outil qui compare les profils à un poste et les classe, même quand les recruteurs gardent le pouvoir de revoir, d’écarter ou de compléter les recommandations, parce que ses résultats restent la première base de leur décision (§ 254). Il suffit que l’évaluation pèse sensiblement sur le choix.
Le principe est posé dès le début du texte. Seule compte la finalité de l’outil, et l’intervention d’une personne ne la change pas (§ 70 et 71 du projet ). Un éditeur ne peut pas sortir un outil du haut risque en y ajoutant une validation. La décision humaine devient une exigence du haut risque, pas un moyen d’y échapper.
Découper l’outil ne marche pas davantage. Un module qui n’accomplit qu’une tâche étroite perd l’exemption s’il fait partie d’un ensemble, agents d’IA compris, dont les résultats combinés pèsent sur une décision individuelle (§ 90). L’agent qui lit le syllabus et celui qui mesure si un profil correspond aux critères se jugent ensemble.
Haut risque ne veut pas dire interdit. L’outil reste permis, sous des exigences : fonctionner comme prévu, et faire évaluer ses risques (§ 68).
Que demande la CNIL quand un algorithme aide à recruter ?
Le droit français n’a pas attendu l’AI Act. Dans son guide du recrutement , écrit pour les candidats à un emploi, la CNIL pose une règle simple. Si le responsable ne peut pas expliquer les motifs de la décision que l’algorithme a proposée et qu’il a acceptée, cette décision peut être regardée comme prise sans intervention humaine (fiche n° 13).
La même fiche décrit l’outil qui classe les candidatures. Quand le recruteur ne regarde que les premières, les autres sont écartées par le seul fonctionnement du logiciel. Un traitement qui établit des profils de candidats par un algorithme de sélection demande en outre une analyse d’impact (fiche n° 10).
En 2026, la CNIL a fait du recrutement l’un de ses thèmes de contrôle prioritaires : décision automatisée, information des candidats, durées de conservation. Ses contrôles visent d’abord les grandes entreprises et les cabinets de recrutement. La CNIL présente ce thème comme une préparation à son futur rôle de surveillance de l’AI Act dans le champ du travail.
Pour une école, la conséquence est concrète. Le responsable pédagogique doit pouvoir dire pourquoi tel profil lui a été proposé, et sur quels critères.
Ce que l’école peut préparer avant décembre 2027
Les règles du haut risque s’appliquent le 2 décembre 2027 (règlement (UE) 2026/1744 , article 113 modifié). Ce qu’elles demanderont à l’école qui se sert de l’outil est détaillé dans notre article sur le report de l’AI Act. Trois choses se préparent dès aujourd’hui, sans attendre la version finale des lignes directrices.
- Écrire les compétences dans le syllabus. Un syllabus qui les nomme laisse la machine dans un rôle de lecteur, et donne au responsable des critères qu’il peut défendre.
- Savoir ce que chaque outil fait des personnes. Range-t-il des CV, vérifie-t-il une pièce, ou propose-t-il des profils au regard des critères ? La réponse décide de la catégorie, pas le nom du produit.
- Exiger l’explication de chaque proposition. Sans elle, le responsable ne peut pas justifier son choix, et la CNIL peut regarder la décision comme automatique.
Dans Aristote, le module de Dideos qui pilote chaque cours de A à Z, l’intervenant dépose son syllabus sur un lien, et un agent IA vérifie qu’il couvre ce que le référentiel attend pour la matière. Pour trouver un profil, la plateforme cherche d’abord dans la base de l’école, puis sur le marché. Un agent IA rapproche les profils des critères de l’école, en technique et en pédagogie, et la plateforme explique chaque rapprochement. Le responsable pédagogique décide.
Lire le syllabus reste une tâche étroite, peser l’intervenant relève du haut risque
Relever dans un syllabus les compétences qu’une personne y a écrites reste une tâche étroite, selon le projet de la Commission. Classer ou présélectionner des intervenants selon ces critères relève du haut risque, même quand le responsable décide, indépendants compris (§ 249 et 254 du projet ). Ces règles s’appliquent le 2 décembre 2027 (règlement (UE) 2026/1744 ).
Pour relire avec nous les critères de vos cours à pourvoir, et ce que vos outils en font, prenez rendez-vous.
Sur le même sujet
La rentrée ne devrait pas être un exploit. Parlons de la vôtre.
Prenez rendez-vous pour voir ce que ça change dans votre école et recevoir un devis établi sur vos volumes.