Le recrutement fait face à une nouvelle menace : la multiplication des candidatures frauduleuses générées par intelligence artificielle. Pour y répondre, Gem, plateforme ATS de premier plan, annonce son partenariat avec Tofu, startup spécialisée dans la vérification d'identité. Cette alliance permet d'intégrer une solution de détection automatisée des profils suspects directement dans le processus de recrutement. Avec des milliers d'entreprises clientes, Gem offre désormais à ses utilisateurs un rempart contre les faux candidats, les polyworkers et les acteurs malveillants qui exploitent l'IA pour infiltrer les organisations.
Le partenariat Gem-Tofu : une réponse technologique à la fraude
Tofu, startup torontoise fondée il y a deux ans, a pivoté en septembre dernier vers la vérification d'identité par IA. Sa technologie analyse les profils sociaux des candidats en croisant plusieurs indicateurs : ancienneté des comptes, activité de publication, nombre de connexions LinkedIn et cohérence des informations. Un profil frauduleux typique présente un compte LinkedIn de quatre mois avec deux ou trois connexions seulement. L'intégration chez Gem permet aux recruteurs de recevoir un rapport automatisé identifiant les profils suspects dès les premières étapes du processus. Cette solution répond à trois types de fraude : les candidatures massives générées par IA, le polyworking avec emplois multiples simultanés, et les infiltrations malveillantes visant le vol de données. Forte d'une levée de fonds de 5 millions de dollars, Tofu étend ainsi sa portée à des milliers d'entreprises clientes de Gem.
Comment fonctionne la détection par IA
La technologie de Tofu utilise le machine learning pour analyser les comportements numériques des candidats. Elle examine l'âge des comptes sociaux, la fréquence des interactions, les likes, les publications et les connexions professionnelles. Ces données sont comparées à des modèles de profils authentiques pour générer un score de confiance. Les recruteurs reçoivent ensuite un rapport détaillé signalant les anomalies, leur permettant de prioriser les vérifications manuelles sur les candidatures suspectes plutôt que de perdre du temps sur l'ensemble des dossiers.
Les bénéfices pour les clients Gem
Les milliers d'entreprises utilisant Gem peuvent désormais ajouter la vérification Tofu comme module complémentaire à leur processus de recrutement. Cette intégration native élimine les frictions techniques et permet une adoption rapide. Les équipes RH gagnent un temps précieux en filtrant automatiquement les profils frauduleux avant les entretiens. La solution réduit également les risques de sécurité liés aux infiltrations malveillantes, particulièrement critiques dans les secteurs sensibles comme la technologie et la finance.
Les différentes formes de fraude aux candidatures
Steve Bartel de Gem et Jason Zoltak de Tofu identifient trois niveaux de fraude. Le premier, relativement innocent, concerne les chercheurs d'emploi désespérés utilisant des outils IA pour postuler massivement. Ces logiciels automatisés déforment souvent l'expérience réelle des candidats en générant des CV génériques. Le deuxième niveau implique le polyworking : des individus occupant simultanément plusieurs postes à temps plein, comme le développeur indien Soham Parekh découvert en juillet 2024 travaillant pour plusieurs startups de la Silicon Valley. Le troisième niveau, le plus dangereux, concerne les acteurs malveillants. Le Département de la Justice américain a inculpé plusieurs personnes ayant aidé des professionnels IT nord-coréens à obtenir des emplois distants pour financer le programme militaire de leur pays.
Les candidatures massives par IA
Face à un marché difficile, certains candidats utilisent des outils automatisés pour postuler à des centaines d'offres quotidiennement. Ces logiciels adaptent les CV aux mots-clés des ATS, mais produisent souvent des candidatures incohérentes. Les recruteurs reçoivent ainsi des volumes ingérables de dossiers peu pertinents. Cette pratique crée un cercle vicieux : plus les candidats utilisent l'IA pour contourner les ATS, plus les recruteurs s'appuient sur l'IA pour filtrer, augmentant la distance entre talents réels et opportunités.
Les infiltrations malveillantes
Les cas les plus graves impliquent le vol d'identité et l'espionnage industriel. Des acteurs malveillants créent de faux profils ou volent des identités LinkedIn sans photo pour postuler. Une fois embauchés en remote, ils accèdent aux systèmes internes pour extraire des données sensibles ou des secrets commerciaux. Les affaires impliquant des travailleurs IT nord-coréens illustrent comment ces fraudes peuvent servir des objectifs géopolitiques, transformant le recrutement en vecteur de menace pour la sécurité nationale.
Conseils pratiques pour recruteurs et candidats
Bartel et Zoltak recommandent aux professionnels de maintenir leurs profils LinkedIn à jour avec une photo récente pour éviter d'être signalés comme suspects ou victimes d'usurpation d'identité. Les recruteurs doivent intégrer des vérifications d'identité dès les premières étapes du processus, notamment pour les postes sensibles ou entièrement distants. L'utilisation d'outils comme Tofu permet d'automatiser ce filtrage sans alourdir la charge de travail. Les entreprises devraient également former leurs équipes RH à reconnaître les signaux d'alerte : profils récents sans historique, incohérences entre CV et profils sociaux, réticence aux appels vidéo. Enfin, les candidats légitimes doivent comprendre que ces mesures protègent l'intégrité du processus et favorisent une concurrence équitable sur le marché de l'emploi.
Conclusion
Le partenariat Gem-Tofu marque une étape décisive dans la lutte contre la fraude aux candidatures alimentée par l'IA. En combinant la puissance d'un ATS leader avec une technologie de vérification d'identité innovante, cette alliance offre aux recruteurs les outils nécessaires pour naviguer dans un marché de l'emploi transformé par l'intelligence artificielle. Protégez votre processus de recrutement dès aujourd'hui en intégrant des solutions de détection automatisée.