Que retenir de l'abandon du projet de matching de l'UWV ?

L'UWV est l'organisme public néerlandais qui gère l'assurance chômage et l'accompagnement des demandeurs d'emploi. Le 13 octobre 2026, il a arrêté le développement de sa Bemiddelingsservice, un logiciel censé rapprocher les demandeurs d'emploi des offres à partir de leurs compétences. Aujourd'hui, le rapprochement se fait surtout sur le diplôme et l'expérience. Le nouvel outil devait y ajouter les compétences et les ambitions, pour qu'une personne se voie aussi proposer une offre dans un autre métier ou un autre secteur. Depuis 2021, environ 55 millions d'euros y ont été consacrés, selon l'UWV.

L'idée n'était pas en cause, et l'UWV dit d'ailleurs la conserver. Le problème tenait à l'exécution. Début 2026, le comité néerlandais chargé d'examiner les projets informatiques de l'État a jugé le projet insuffisamment maîtrisé et conseillé de démontrer d'abord la valeur du matching lui-même. Un audit rapide externe a ensuite relevé, selon la lettre du ministre au Parlement, des difficultés importantes sur quatre points : la qualité des données, l'explicabilité, les choix d'architecture et la gouvernance. L'UWV cite lui-même la qualité des données requise et l'intégration technique dans ses systèmes existants.

Parce qu'un rapprochement par compétences suppose que ces compétences soient écrites quelque part. La plupart des offres d'emploi donnent un intitulé de poste, un niveau de diplôme et une liste de missions. La plupart des profils de candidats sont un CV en texte libre. Un logiciel qui doit rapprocher sur les compétences doit donc d'abord les déduire lui-même, et il ne le fait jamais mieux que le texte qu'il lit.

Le second obstacle est l'intégration. Selon la même étude de l'Insee, 38 % des entreprises qui n'utilisent pas l'IA évoquent l'incompatibilité avec leurs équipements, logiciels ou systèmes existants. Ce sont les deux raisons que donne l'UWV, à l'échelle de tout un pays.

La leçon de l'UWV n'est pas de renoncer. Elle consiste à inverser l'ordre : prouver d'abord, construire ensuite. Concrètement, cela tient en cinq points.

Prouvez d'abord que le matching apporte quelque chose. Prenez un poste que vous recrutez souvent et comparez la liste restreinte du logiciel à celle de votre recruteur. Fixez à l'avance ce que vous comptez : combien de candidats arrivent en entretien et combien sont embauchés. C'est aussi ainsi que nous mesurons les résultats du Thought Leader Recruitment : chaque étape traçable, du premier contact à l'embauche.

Commencez par vos propres données. Les compétences que vous cherchez figurent-elles dans vos offres, ou seulement des intitulés ? Savez-vous ce que vos collaborateurs actuels savent faire ? Sans cette base, le logiciel rapproche des suppositions.

Réglez l'intégration avant d'acheter. Demandez comment le logiciel lit votre outil de gestion des candidatures et ce qu'il renvoie. Un outil isolé dans lequel votre équipe doit saisir les candidats à la main sera abandonné au bout de trois mois.

Exigez de pouvoir expliquer pourquoi quelqu'un arrive en tête. Si le fournisseur ne sait pas dire pourquoi la candidate A passe devant le candidat B, vous ne pourrez pas l'expliquer non plus à une personne écartée. Cela concerne déjà le RGPD et, à partir de décembre 2027, les règles européennes sur l'IA dans le recrutement. Ce qui s'applique et quand est détaillé dans Quelles règles européennes s'appliquent aujourd'hui à l'IA dans le recrutement ? Relisez aussi de temps en temps un échantillon des candidatures écartées : c'est le point faible de tout système qui filtre les candidatures.

Décidez à l'avance quand vous arrêtez. L'UWV a arrêté au bout de cinq ans. Avant de commencer, fixez le résultat que vous voulez voir après une période d'essai, et ce que vous ferez s'il n'est pas là.

Le matching par compétences est-il donc une mauvaise idée ?

Non. L'UWV abandonne ce système, pas l'idée : mettre les compétences au centre reste son ambition, selon ses propres termes. Regarder ce qu'une personne sait faire plutôt que son dernier intitulé de poste fait souvent apparaître des candidats qu'une recherche classique ne trouve pas. Le point essentiel est qu'un logiciel de ce type ne vaut que par ses données et par les personnes qui travaillent avec ses résultats.

Faut-il acheter ce type de logiciel soi-même ?

Pas forcément. Pour un employeur qui ouvre quelques postes par an, un système interne avec ses connexions, sa maintenance et ses contrôles se rentabilise rarement. Si vous recrutez de façon structurelle, vous pouvez aussi confier le matching à un partenaire qui mène le processus sous votre nom. Le fonctionnement est expliqué dans qu'est-ce que l'externalisation du recrutement. Posez-lui toutefois les mêmes questions : quel logiciel intervient dans la décision, et quelqu'un peut-il expliquer comment ?

Un logiciel de matching remplace-t-il l'approche personnelle ?

Pas pour les profils rares. Un logiciel trouve des personnes qui se sont déjà déclarées candidates ou dont le profil y ressemble. Celles dont vous avez le plus besoin ne sont souvent inscrites nulle part et ne répondent qu'à quelqu'un qu'elles connaissent ou en qui elles ont confiance. La façon de construire ce lien étape par étape est présentée dans comment fonctionne le Thought Leader Recruitment, et ce que cela donne selon la situation dans les références du Thought Leader Recruitment.

SocialFind recrute pour des employeurs qui ont besoin de personnel de façon structurelle. Nous avons vérifié à la source les chiffres de l'Insee, le communiqué de l'UWV et la lettre au Parlement néerlandais le 29 octobre 2026. Pour recevoir ce type d'articles par e-mail, inscrivez-vous à notre newsletter.