L’IA peut-elle remplacer les staffing managers ?

Son utilisation élargie dans le domaine ne serait pas (encore) d’actualité dans les cabinets et, ce, quelle que soit la taille de l’effectif. C’est ce que constate Philippe Reynier, 3 ans au BCG, cofondateur d’une plateforme d’IA dédiée aux métiers du conseil, Cigno. « Je pense que dans de nombreux cabinets, l’utilisation de l’IA est très early stage, par exemple pour équiper un consultant d’une interface conversationnelle, généralement Claude ou ChatGPT, associée à des outils complémentaires pour couvrir des cas d’usage de productivité individuelle. C’est une chose d’avoir des solutions d’IA qui pourraient théoriquement prendre des décisions de staffing, c’est autre chose d’avoir un bon niveau de qualité de données sur l’intégralité des consultants, pour que ces décisions aient du sens. »

Un associé, de façon anonyme, s’agace : « McKinsey a annoncé sur la place publique qu’ils allaient staffer par l’IA, mais c’est de l’opération de com’. Tous les gros opérateurs, que ce soient les fournisseurs de technologies ou de gros cabs, on est dans un jeu de faux-semblants. C’est une énormité. La question à se poser, c’est à qui profite le crime ? Quel intérêt peuvent-ils avoir à dire ça ? » 

Une valeur ajoutée limitée

Beaucoup de prudence donc au sein des cabinets autour de ce dossier. Le staffing est en effet un sujet beaucoup plus sensible qu’un simple problème d’optimisation des ressources. Un staffing jugé comme étant « le cœur du réacteur » pour Mews, car, selon Xavier Brucker, « nous n’avons que des missions forfaitaires, pas de régie, et assemblons des équipes pour répondre à une question du client, engagés en termes de temps et délais, en livrables, donc, il faut avoir la bonne équipe pour faire le job correctement ». Et cela ne peut être géré que par des humains, atteste cet associé.

Le cabinet Mews, quelque 270 consultants en France, a décidé d’intégrer l’IA dans les données CV et compétences depuis fin 2025 et sur la partie gestion du temps depuis mars 2026. Xavier Brucker explique son intérêt. « En fait, l’IA pioche des informations assez simplement. Nous n’avons pas eu besoin de créer un système complémentaire pour gérer ça. Nous avons un outil interne de gestion du temps disponible et des affectations qui se branche assez bien à des IA. Ce qui nous permet de poser des questions à l’IA sur la disponibilité des consultants, quelques jours ou une semaine de libre la semaine prochaine, par exemple, pour une éventuelle mission. » 

Le cabinet Bartle, 320 consultants, affiche une certaine réserve. À ce stade, staffer par l’IA est loin d’être une priorité, selon l’associé Olivier Tirmarche. Pour ce sociologue des organisations, l’utilisation de l’IA pour le staffing demande de la standardisation. Or, « plus vous avez de diversité dans les missions, dans la typologie des clients, dans les profils des consultants, plus vous avez de subtilités dans les critères d’affectation. Et quand vous avez de la subtilité, cela devient très complexe de transposer finement ces données pour que ce soit traité de manière efficace par une IA. » Sachant que le cabinet utilise déjà une solution pour piloter le staffing de ses consultants. « Rajouter une IA dans ce processus réduirait les interventions humaines, dit Olivier Tirmarche. Mais il est justement essentiel de maintenir ces interactions. Cela permet de composer les équipes les plus adaptées aux besoins de nos clients, en prenant en compte des paramètres que l’IA n’est pas capable de manipuler. »

Un usage sous contrôle

Alors, à quel niveau l’IA est-elle sollicitée dans la gestion du staffing ? Les cabinets avancent pas à pas. Chez Mews, l’IA pour le staffing est utilisée « comme un assistant de pré-mâchage, explique le directeur du MewsLab, Xavier Brucker, notamment en fonction de besoins explicites, des bons CV qui ont l’air de matcher en termes de compétences, que l’on peut croiser avec des disponibilités des uns et des autres. Cela permet d’avoir une shortlist, avec un ranking, mais, en aucun cas ce ne serait une décision directe, car cela dépend aussi du plan de croissance des consultants, des besoins et des envies des uns et des autres ». Mais aussi interroger l’IA permet de « de tamiser les CV de façon suffisamment fine, parfois surprenante, en sortant des profils auxquels on n’aurait pas forcément pensé et qui viennent dans l’équation, notamment des compétences passées ou pré-consulting parfois oubliées », complète Xavier Brucker.

Chez Bartle, on utilise donc l’IA pour le staffing avec des pincettes. « Je pense que ce qui est relativement facile à faire avec l’IA, c’est d’écarter certains scénarios de staffing en l’utilisant pour suivre de façon automatique les entrées et les sorties de mission, ou pour faire des présélections selon des critères très formels », souligne Olivier Tirmarche. Un gain de temps jugé insuffisant pour investir dans ce domaine pour cet associé.

Les bornes des limites

Car les arguments contre un staffing largement confié à l’IA ne manquent pas. Pour Philippe Reynier, cela « défavorise l’apprentissage de ceux qui ont moins d’expérience dans le domaine en question, parce qu’ils ne ressortent jamais, et cela crée des petits îlots d’experts qui sont sélectionnés tout le temps par l’IA, source de gap de compétences assez rapide ».

L’IA ne capte pas non plus les nuances humaines, comme le partage Xavier Brucker de Mews. « Le client est-il a priori plutôt facile ou difficile ? Faut-il une équipe assez senior qui va pouvoir être suffisamment forte devant un client un peu compliqué ? Ou est-ce que, pour tel consultant qui n’a jamais fait de PLM [i.e. Product Lifecycle Management], cela ne serait pas la bonne occasion de le mettre sur ce type de mission pour monter en compétence ? Ou est-ce qu’il a envie de faire de la défense alors qu’une mission de défense démarre, nous pouvons donc organiser son planning en conséquence. » Pour cet associé, la dimension managériale (envies, parcours, subtilité des clients) ne peut tout simplement pas être confiée à une machine.

Autre point critique, l’analyse même des données automatiquement par l’IA d’après Olivier Tirmarche de Bartle. « Pour certaines missions, il faut une grosse capacité de résilience ou de gestion des émotions. Mais vous n’allez pas vous amuser à codifier tout ça. Si nous faisons fait un mapping très fin, psychologique, l’IA peut sortir une aberration. » Et puis, pour cet associé, certaines données triées automatiquement manquent de fiabilité. « Nous avons une cinquantaine de critères descriptifs des compétences de nos consultants dans nos bases de données. Lorsqu’ils sont appréhendés par des humains, ces critères ont du sens, car ils sont teintés des expériences de chacun, de leurs personnalités, de leurs aspirations et de la connaissance personnelle des équipes qu’ont les responsables du staffing. Traités uniquement par une IA, on se prive de ces informations qui font pourtant la différence sur le terrain. »

Alors, automatiser à 100 % le staffing n’est tout simplement pas envisagé, selon les associés interrogés. 

Serait-ce seulement possible de tout confier à l’IA ? Pas si simple selon l’ancien du BCG, Philippe Reynier, car cela recouvre de nombreuses données, bien sûr, les niveaux de performance, l’expérience sur certaines typologies de projets, mais « encore plus profondément sur du knowledge d’une industrie ou même des dimensions plus “soft” comme le fit personnel. On peut aller très loin dans le matching, mais je pense que certains extrêmes sont assez limites ». Des limites éthiques également pour Olivier Tirmarche de Bartle. « Peut-être que dans plusieurs années, l’IA sera branchée sur toutes nos conversations. Quand vous voulez piloter par les algorithmes, il faut que les algorithmes sachent tout. Il faut donc réfléchir aux prérequis. Au-delà même de la question du faisable, il y a la question de la légitimité au sens moral du terme. C’est un véritable choix de civilisation. »