Étude de cas automatisation RH avec l'IA en PME

Le contexte : une PME de services débordée par le recrutement

Ce projet concerne une PME de services d'environ 120 salariés, dont l'équipe RH de 4 personnes gérait seule le recrutement, l'onboarding et une bonne partie du support RH interne. Avant l'automatisation, chaque étape reposait sur des tâches manuelles répétitives : tri des CV reçus par email, mise à jour d'un tableur de suivi, rédaction individuelle de chaque compte-rendu d'entretien.

Le volume annuel donne la mesure du problème : environ 600 candidatures reçues pour 25 à 30 postes ouverts par an, auxquelles s'ajoutait une quinzaine d'embauches nécessitant un onboarding documentaire complet. La DRH et la chargée de recrutement estimaient passer, à elles deux, près de 10 heures par semaine sur le seul tri des candidatures et la rédaction des comptes-rendus d'entretien.

« On ne voulait pas remplacer notre jugement sur les candidatures, seulement arrêter de perdre un temps fou sur le tri administratif », résume la DRH de l'entreprise. Ce cadrage a orienté tout le projet : automatiser les tâches répétitives, laisser la décision finale aux recruteurs.

Les outils déjà en place, et pourquoi ils ne suffisaient plus

Avant le projet, l'entreprise disposait d'un socle RH classique pour une PME de sa taille : une boîte email partagée pour recevoir les candidatures, un tableur pour le suivi des recrutements, et le SIRH Lucca pour la gestion administrative (congés, notes de frais, dossiers salariés). Aucun outil ne couvrait le tri des candidatures ni la génération de documents.

• -- Aucun scoring : chaque CV était lu intégralement, y compris les profils manifestement hors cible.
• -- Lucca n'était pas connecté au recrutement : les données du nouvel embauché étaient ressaisies manuellement lors de l'onboarding.
• -- Les comptes-rendus d'entretien existaient dans des formats différents selon le recruteur, ce qui compliquait la comparaison des candidats.
• -- Aucune règle claire sur la durée de conservation des CV des candidats non retenus, un point pourtant encadré par la CNIL.

Le projet devait composer avec des contraintes fortes : un budget de PME, sans équipe data ni développeur en interne ; une équipe RH déjà en tension, qui ne pouvait pas s'arrêter plusieurs semaines pour se former ; et une exigence de conformité RGPD sur le traitement des données candidats. Selon le référentiel CNIL des durées de conservation en gestion des ressources humaines, les CV des candidats non retenus ne peuvent être conservés que deux ans maximum après le dernier contact. La CNIL rappelle, dans son guide dédié aux TPE/PME, que les candidats doivent en être informés.

La mise en œuvre : agents IA, n8n et RAG connectés au SIRH

L'architecture retenue repose sur trois briques complémentaires. n8n orchestre les flux : réception d'un CV, déclenchement du traitement, notification du recruteur, mise à jour du dossier candidat. Des agents IA traitent le contenu : extraction sémantique du profil, scoring pondéré selon la grille de critères du poste, rédaction de la synthèse. Un système de RAG (retrieval-augmented generation) alimente un assistant RH interne, capable de répondre aux questions des collaborateurs à partir de la convention collective et des politiques internes.

Concrètement, un CV reçu déclenche un webhook n8n qui transmet le document à un agent d'extraction. Celui-ci identifie les compétences, l'expérience et la formation, puis un second agent calcule un score de correspondance avec la fiche de poste et rédige une synthèse en trois lignes. Le résultat est poussé dans le tableur de suivi et une notification part vers le recruteur, qui garde la main sur la décision finale.

Côté onboarding, la connexion API avec le SIRH Lucca élimine la ressaisie : dès qu'un candidat est marqué « recruté », les documents d'intégration sont générés et envoyés automatiquement, et le dossier salarié est pré-rempli. Ce type d'architecture correspond à ce que nous livrons dans nos missions d'automatisation RH sur-mesure : construite autour des outils déjà en place chez le client, pas d'un template générique.

Le déroulé du projet : de l'audit à la production en six semaines

Le projet a suivi une méthode en quatre étapes, du diagnostic à l'autonomie complète de l'équipe RH :

1. Audit (2 semaines) : cartographie des processus existants, mesure du temps réel passé sur chaque tâche, priorisation des cas d'usage à fort impact. Le tri de CV a été identifié comme le principal goulot d'étranglement.
2. POC (3 semaines) : construction d'un premier workflow de scoring de CV, testé sur deux postes ouverts, avec ajustement de la grille de critères aux côtés des recruteurs et validation de la qualité des synthèses générées.
3. Déploiement (6 semaines) : généralisation à l'ensemble des recrutements, connexion au SIRH Lucca, mise en place de l'assistant RH interne en RAG et des workflows d'onboarding documentaire.
4. Acculturation (en continu) : formation des quatre personnes de l'équipe RH à l'usage quotidien des outils livrés, avec un point mensuel de suivi pendant les trois premiers mois.

Ce séquencement — audit, POC, déploiement, acculturation — suit le cadre détaillé dans notre guide pour automatiser les RH avec l'IA. Les premiers résultats mesurables sont apparus dès la fin du POC, avant même le déploiement complet.

Les résultats mesurés après trois mois d'utilisation

Trois mois après le déploiement complet, l'équipe RH a mesuré l'évolution de ses indicateurs clés. Ces chiffres sont propres à ce projet : ils dépendent du volume traité, des outils déjà en place avant l'automatisation et du périmètre retenu, pas d'une moyenne universelle.

Le gain le plus net s'est fait sentir sur le tri des candidatures, la tâche la plus répétitive du processus. Le temps libéré a été réinvesti dans les entretiens et le suivi des candidats en cours de process — ce que la DRH identifie comme le vrai bénéfice : « on passe enfin plus de temps à parler aux gens qu'à trier des documents. »

Ce que révèle ce cas pour un projet d'automatisation RH similaire

Ce projet illustre un constat plus large. D'après le Baromètre France Num 2025, publié en septembre 2025, 26 % des TPE-PME françaises utilisent déjà l'intelligence artificielle (contre 13 % un an plus tôt), mais seulement 5 % l'utilisent pour automatiser des tâches. La plupart des PME expérimentent l'IA générative sans aller jusqu'à l'automatisation de processus complets : c'est justement l'écart que ce projet comble.

Trois enseignements se dégagent, transposables à d'autres PME qui envisagent un projet similaire. D'abord, l'audit initial détermine le ROI : automatiser le mauvais processus en premier gaspille du budget. Ensuite, l'intégration au SIRH existant compte autant que l'IA elle-même — un agent qui génère du contenu mais oblige encore à de la ressaisie ne fait gagner que la moitié du temps possible. Enfin, la conformité RGPD (durée de conservation, information des candidats) doit être pensée dès l'audit, pas ajoutée après coup.

Pour estimer le budget et le retour sur investissement d'un projet comparable, consultez notre article sur le prix d'un projet d'automatisation RH et notre méthode pour calculer le ROI de l'automatisation RH par IA. Si vous préparez votre propre projet, notre guide sur le cahier des charges d'un projet d'automatisation RH détaille les questions à trancher avant de démarrer.