Passer au contenu principal

La présélection par l’IA et les droits de la personne au Canada : où se situe le risque

Les lois sur les droits de la personne ne parlent pas d’IA, mais visent déjà ce que fait un outil de présélection. Le risque : critères indirects, embauches passées, formats inaccessibles, résultats non vérifiés.

7 minutes de lectureL’IA dans l’embauche

Le Code des droits de la personne de l’Ontario ne mentionne pas l’intelligence artificielle, et il n’en a pas besoin. Il garantit à toute personne un traitement égal en matière d’emploi, sans discrimination fondée sur des motifs énumérés. Il interdit de porter atteinte à ce droit, directement ou indirectement. Et il traite comme de la discrimination une exigence d’apparence neutre qui exclut un groupe protégé, à moins qu’elle soit établie de façon raisonnable et de bonne foi. Un outil de présélection applique des exigences à chaque candidature, vite et à grande échelle. Le risque juridique se trouve dans ce qu’on lui demande de chercher, dans ce qu’il peut déduire, dans les personnes qu’il ne peut pas servir et dans le fait que quelqu’un vérifie ou non ses résultats.

Cet article prend le Code ontarien comme référence. Si vous embauchez dans une autre province, ou si votre organisation relève de la compétence fédérale, vérifiez la loi sur les droits de la personne qui s’y applique.

Ce que le Code prévoit pour la présélection

  • Les motifs. Le paragraphe 5 (1) garantit un traitement égal en matière d’emploi, sans discrimination fondée sur la race, l’ascendance, le lieu d’origine, la couleur, l’origine ethnique, la citoyenneté, la croyance, le sexe, l’orientation sexuelle, l’identité sexuelle, l’expression de l’identité sexuelle, l’âge, l’existence d’un casier judiciaire, l’état matrimonial, l’état familial ou un handicap. Au sens du Code, l’âge s’entend de 18 ans ou plus.
  • Directement ou indirectement. L’article 9 interdit de porter atteinte à un droit reconnu par le Code ou de faire, directement ou indirectement, quoi que ce soit qui y porte atteinte.
  • Des règles neutres aux effets inégaux. Selon l’article 11, une exigence, une qualité requise ou un critère qui entraîne l’exclusion ou la préférence d’un groupe identifié par un motif, ou qui lui impose une restriction, porte atteinte au droit, sauf s’il est établi de façon raisonnable et de bonne foi. Il ne peut l’être que si les besoins du groupe ne peuvent pas faire l’objet de mesures d’adaptation sans préjudice injustifié.
  • Annonces, formulaires et questions. Les paragraphes 23 (1) et 23 (2) visent les annonces, les formules de demande d’emploi et les questions orales ou écrites qui, directement ou indirectement, établissent des catégories ou indiquent des qualités requises fondées sur un motif.
  • Les agences. Le paragraphe 23 (4) prévoit qu’une agence de placement porte atteinte au droit lorsqu’elle exerce une discrimination en recevant, en classant ou en traitant des candidatures, ou en mettant des candidats en rapport avec un employeur.

Lues ensemble, ces dispositions décrivent l’essentiel de ce que fait un outil de présélection. Ses critères sont des exigences et des qualités requises. Sa notation classe les candidatures. Ses refus en disposent et, pour une agence, sa liste restreinte met des candidats en rapport avec un employeur. Aucune de ces dispositions ne prévoit d’exception pour le travail fait par un logiciel.

Où se situe le risque

Des critères qui remplacent un motif

On peut demander à un outil de privilégier les diplômés récents, les candidatures sans interruption de carrière ou l’expérience acquise dans un pays donné. Aucun de ces critères ne nomme un motif, mais chacun peut en suivre un : l’âge, l’état familial ou un handicap, le lieu d’origine. Dans son mémoire de février 2024 sur le projet de loi 149, la Commission ontarienne des droits de la personne (CODP) relevait que des technologies d’IA ont utilisé des renseignements comme le nom, le code postal ou les interruptions de carrière pour faire des déductions sur la race, le handicap, l’âge et d’autres motifs prévus au Code.

Chaque critère doit passer le test de l’article 11. Est-il raisonnable et de bonne foi pour ce poste, et les personnes qui n’y répondent pas pourraient-elles bénéficier de mesures d’adaptation ?

Apprendre des embauches d’hier

Un outil qui apprend à reconnaître une bonne embauche à partir des embauches passées en apprend aussi les préférences. Le mémoire de la CODP cite un examen du Peel District School Board, selon lequel un outil algorithmique servant à évaluer les candidatures en enseignement avait écarté des personnes racisées qualifiées. L’outil avait été conçu pour reproduire les embauches réussies du passé. Demandez à tout fournisseur sur quelles données son outil a été entraîné, et s’il s’ajuste à vos propres décisions passées.

Des formats que certaines personnes ne peuvent pas utiliser

Le même mémoire signale que les technologies d’entrevue peuvent être moins fiables pour les personnes qui ont un trouble de la parole, qui utilisent un lecteur d’écran ou dont la langue maternelle est différente, et que les agents conversationnels ne répondent pas toujours correctement à une demande de mesures d’adaptation. Selon le paragraphe 11 (2), la possibilité d’offrir des mesures d’adaptation fait partie de l’analyse du caractère raisonnable d’une exigence. Un processus qui n’offre qu’une façon de postuler, sans moyen de joindre une personne, rend cette obligation difficile à respecter.

Des résultats que personne ne vérifie

Un outil peut appliquer les mêmes règles à tout le monde et produire quand même des résultats inégaux. Les principes du CIPVP et de la CODP publiés en janvier 2026, qui s’adressent au secteur public ontarien et au secteur parapublic, le disent clairement : utiliser les mêmes systèmes d’IA auprès de groupes différents peut sembler neutre et donner lieu à une discrimination par suite d’un effet préjudiciable. Ils demandent à ces institutions de repérer et de corriger la discrimination systémique dans la conception et le déploiement des systèmes d’IA, et le même raisonnement vaut pour tout employeur au regard de l’article 11. L’outil d’évaluation de l’incidence de l’IA sur les droits de la personne, publié par la CODP et la Commission du droit de l’Ontario en novembre 2024, propose une méthode en deux parties : la partie A évalue les répercussions d’un système sur les droits de la personne, la partie B porte sur l’atténuation.

Un exemple concret

Prenons une agence de placement fictive qui reçoit une commande pour un poste de chef d’équipe en entrepôt. La description du client demande « de 3 à 6 ans d’expérience », et l’outil de présélection de l’agence en tire deux règles : les candidatures qui comptent moins de trois ans de supervision d’équipe perdent des points, et celles qui comptent plus de six ans d’expérience aussi, avec la mention « surqualifié ».

  • Le minimum a un lien avec le travail. Trois ans à diriger une équipe de quart, c’est une exigence que l’agence peut expliquer.
  • Le plafond, non. Il écarte des gens parce qu’ils ont travaillé plus longtemps, ce qui revient souvent à écarter des personnes plus âgées. Selon l’article 11, une telle règle doit être démontrée raisonnable et de bonne foi.
  • Le paragraphe 23 (4) vise la façon dont l’agence traite elle-même les candidatures, peu importe ce que le client a écrit.

La solution : garder le minimum, supprimer le plafond et formuler l’exigence comme une compétence, par exemple « au moins trois ans à diriger une équipe de quart dans un entrepôt ou un centre de distribution ».

Les questions à poser avant d’activer un outil

  • Quels critères l’outil applique-t-il, et pouvons-nous les voir et les modifier pour chaque poste ?
  • Quels renseignements sont retirés avant la notation, et une recruteuse peut-elle voir ce qui a été retiré ?
  • L’outil a-t-il été testé pour détecter des écarts de résultats entre groupes, et pouvons-nous voir la méthode et les résultats ?
  • Comment une personne candidate demande-t-elle des mesures d’adaptation ou à parler à quelqu’un, et qui reçoit la demande ?
  • Que conserve-t-on pour chaque recommandation, afin de pouvoir expliquer une décision plus tard ?

Notre façon de faire

TalentInitiator vérifie chaque grille d’évaluation avant son approbation et rejette les critères qui servent d’indicateurs indirects d’un motif protégé, comme l’âge, la date d’obtention du diplôme, les interruptions de carrière ou l’expérience canadienne. Son rapport sur l’effet préjudiciable compare les taux de sélection entre groupes à partir des décisions des personnes, grâce à une auto-identification volontaire conservée à part des notes. Les détails se trouvent sur notre page sur l’utilisation de l’IA.

Comment lire cet article

Cet article explique les règles de façon générale, telles qu’elles étaient à la date ci-dessus. Il ne constitue pas un avis juridique pour votre organisation.

Sources

Tous les articles