Screening manuel vs IA : lequel pour votre programme ?
Le screening manuel, c'est un humain qui lit chaque candidature et la note au jugement. Le screening IA, c'est un logiciel qui extrait, vérifie et score les affirmations d'abord, puis remet une shortlist classée à un humain qui décide. Le bon choix dépend de votre volume, du poids des affirmations, et de la défendabilité attendue de vos décisions.
La plupart des fonds et programmes commencent manuel et le restent jusqu'à ce que le volume les casse. Ce guide expose où chaque approche gagne, où elle échoue, et pourquoi un modèle hybride, l'IA fait le premier passage et l'humain décide, bat souvent les deux à l'échelle.
La réponse courte
| Screening manuel | Screening IA | |
|---|---|---|
| Fort sur | Faible volume, fort contexte, jugement nuancé | Gros volume, constance, vérification |
| Candidatures par cycle | Jusqu'à ~50 | 50 à des milliers |
| Constance entre évaluateurs | Faible, dérive avec la fatigue | Forte, même base pour tous |
| Vérification des affirmations | Rarement faite, pas le temps | Chaque affirmation matérielle recoupée |
| Défendabilité | « Ça paraissait plus fort » | Preuve et raisonnement attachés |
| Vitesse | Jours à semaines | Minutes à heures pour le premier passage |
| Risque | Gagnants ratés, affirmations non vérifiées | Sur-confiance dans l'automatisation si l'humain se retire |
| Place de l'humain | Fait tout | Décide sur une shortlist pré-vérifiée |
Le résumé honnête : le manuel est très bien quand vous pouvez tout lire avec soin. Dès que vous ne le pouvez plus, le manuel ne devient pas plus lent, il devient pire, parce que le survol remplace discrètement la lecture.
Quand le manuel est le bon choix
L'IA n'est pas toujours la réponse. Le screening manuel gagne vraiment quand :
- Le volume est faible. Si vous recevez 30 candidatures et pouvez les lire toutes à fond, un tableur et du bon jugement sont durs à battre.
- Le contexte domine la décision. Certains programmes pèsent des choses qu'aucun modèle ne voit bien : un fondateur croisé à un événement, une nuance de marché régional, une relation.
- Les enjeux par décision sont énormes et rares. Un fonds qui fait trois chèques par an devrait lire chaque boîte lui-même, de bout en bout.
Si c'est vous, n'en faites pas trop. Le coût de l'outillage ne vaut pas le coup en dessous d'un certain volume, et prétendre le contraire est sa propre forme de gaspillage.
Où le manuel casse
Le problème n'est pas que les humains sont mauvais au jugement. C'est que le screening manuel se dégrade de trois façons précises quand le volume monte :
- La dérive de fatigue. Le quatre-vingt-dixième deck un vendredi n'est pas noté comme le neuvième. Les évaluateurs deviennent plus durs ou plus cléments, et ni l'un ni l'autre n'est juste.
- Des axes incohérents. Quand cinq évaluateurs pèsent chacun leurs propres critères, deux candidats ne sont jamais réellement comparés. Le classement est un artefact de qui a lu quoi.
- Aucune vérification. Aucun process manuel n'a le temps de recouper chaque affirmation contre des sources publiques. Donc un deck soigné avec une taille de marché gonflée ou un partenariat invérifiable score comme un honnête. L'affirmation que personne n'a vérifiée est la perte que vous n'avez pas vue venir.
Aucun de ces défauts n'est un vice de caractère. Ils sont structurels, et ils empirent exactement quand le programme grandit et que les décisions comptent plus.
Ce que fait vraiment le screening IA
« Screening IA » est une expression chargée, alors soyez précis sur ce qu'un bon système fait et ne fait pas :
- Il extrait les affirmations de chaque candidature, les chiffres et énoncés sur lesquels repose la décision.
- Il vérifie les matérielles contre des sources publiques, registres officiels d'abord, puis recherche web sourcée. Chaque affirmation revient vérifiée, nuancée, contredite, ou invérifiable.
- Il score chaque candidat sur la même base, pour que 300 candidatures deviennent comparables au lieu d'un tas d'impressions.
- Il les classe en tranches et fait remonter les profils hors norme, puis remet la shortlist à un humain.
Ce qu'il ne doit pas faire, c'est décider. Un système responsable est un co-pilote : il rend l'humain plus rapide et plus défendable, il ne le remplace pas. Sous l'AI Act européen, évaluer des personnes est à haut risque et exige une supervision humaine, donc « l'humain décide » n'est pas une gentillesse, c'est le design correct et conforme.
Le modèle hybride bat les deux
Le meilleur montage à tout volume réel n'est ni le manuel ni le tout-automatique. Il est séquencé :
- L'IA fait le premier passage. Extraire, vérifier, scorer, classer. Des minutes, pas des semaines. Chaque affirmation recoupée, chaque candidat sur la même base.
- L'humain lit la shortlist. Au lieu de survoler 300 mal, vous lisez les 20 du haut à fond, avec la preuve et les signalements déjà attachés.
- Le comité décide. Avec un classement défendable et un raisonnement sourcé, « pourquoi ceux-là, pas ceux-là » a une vraie réponse.
Ça inverse là où va l'attention humaine. Le manuel la dépense sur le tri, le travail le moins précieux. L'hybride la dépense sur la décision finale, le plus précieux.
Foire aux questions
Le screening IA remplace-t-il les évaluateurs ? Non. Un système bien conçu vérifie et classe ; les évaluateurs et le comité décident toujours. La valeur, c'est qu'ils décident sur une information pré-vérifiée et comparable au lieu d'un flou d'impressions.
Le screening IA est-il biaisé ? Tout système de scoring encode des choix. Les mitigations sont la transparence (vous voyez pourquoi chaque candidat a scoré ainsi), une base fixe appliquée à tous, la vérification contre la preuve publique plutôt que le feeling, et un humain qui prend la décision finale. C'est aussi ce qu'attendent les régulateurs pour l'évaluation à haut risque.
Quel volume justifie de quitter le manuel ? En gros, quand vous ne pouvez plus lire chaque candidature à fond, en général au-delà de 50 par cycle, le screening manuel commence à dégénérer en survol. C'est le point où ajouter une couche de premier passage.
Le screening IA peut-il vraiment attraper une fausse affirmation ? Oui, quand l'affirmation est vérifiable contre des sources publiques. Une taille de marché annoncée, un historique de levée, un partenariat nommé, un brevet, une situation d'entreprise, ça se vérifie ou se contredit. Les métriques point-dans-le-temps qui bougent sont plus dures et doivent être traitées avec prudence, pas surinterprétées.
En résumé
Le screening manuel n'est pas faux. Il est juste pour le faible volume et le fort contexte. Mais il ne passe pas l'échelle, et son échec le plus silencieux, les affirmations non vérifiées, est aussi le plus coûteux. Le screening IA gagne sa place en faisant le premier passage sur la preuve et en remettant à un humain une shortlist qui mérite son attention. Le modèle gagnant est hybride : la machine vérifie et classe, l'humain décide.
Voir aussi : Le guide complet du screening · La Méthode Deckwise