Les systèmes de suivi des candidatures (ATS) ont permis aux gestionnaires du talent, aux recruteurs et aux comités d’admission universitaire de traiter de grandes quantités de candidatures de manière efficace. Traditionnellement, ce processus de tri était effectué manuellement, ce qui créait des goulets d’étranglement importants en raison du volume élevé de candidatures, tout en introduisant de nombreuses sources de biais humain. L’arrivée des grands modèles linguistiques (LLM), tels que ChatGPT, ainsi que la perspective d’adopter des méthodes automatisées dans le tri des candidatures soulèvent de nouveaux enjeux liés aux biais et à l’équité, qui doivent être abordés. Dans ce projet, nous souhaitons identifier et mesurer les cas de biais social présents dans ChatGPT et d’autres modèles LLM d’OpenAI dans le contexte du tri des candidats, afin de démontrer comment l’utilisation de ces modèles pourrait perpétuer les biais existants et les inégalités dans le processus de recrutement.