Dans le domaine des ressources humaines, l’arrivée massive de l’intelligence artificielle change profondément les pratiques : sourcing, sélection, évaluation, mobilité, onboarding… Pour accompagner ce mouvement, il devient essentiel de maîtriser un vocabulaire précis – ce que cet “petit lexique indispensable” propose. Il s’agit d’un ensemble de termes courants mais souvent mal compris, qui structurent les échanges entre équipes RH, prestataires technologiques et partenaires stratégiques. Sans cette base, le risque est de rester à la surface des usages ou de mal cadrer les enjeux — ce qui entraîne des erreurs opérationnelles, juridiques ou stratégiques.

Le lexique couvre des termes techniques, organisationnels, humains : « matching sémantique » décrit comment un algorithme rapproche un profil à un poste non seulement par mots‑clés littéraux mais par signification ; « prompt RH » est la commande utilisée pour interagir avec une IA générative dans un contexte RH. « Score d’adéquation » désigne l’évaluation automatique d’un profil par un système IA ; « feedback augmenté » : retour enrichi par l’IA après entretien ou test. La notion « transparence algorithmique » rappelle qu’il faut pouvoir expliquer aux utilisateurs et candidats comment les décisions sont prises, ce qui interroge la logique de « boîte noire ». « Audit de biais » et « gouvernance des fournisseurs» pointent les enjeux sociétaux et contractuels que l’IA impose aux acteurs RH.

Plusieurs processus RH sont particulièrement concernés : le sourcing automatisé, l’entretien ou l’évaluation assistée par IA, la mobilité interne pilotée via “talent intelligence”. Chacun appelle des ajustements pratiques : contrôle humain, tests de biais, journalisation, information des candidats. Le lexique permet de repérer les termes qui reviennent dans les projets, les contrats, les guides d’usage, les audits.

Ce travail de vocabulaire ne se limite pas à des définitions abstraites : il intègre des “axes de limite” pour chaque terme (ce qu’il ne faut pas en faire) et des exemples concrets (ce qu’il peut produire). Cela permet de transformer un terme en action‑opérable. Par exemple, “IA générative RH” ne veut pas dire “on met une IA et on laisse faire”, mais “on utilise un modèle de langage pour générer des contenus RH” tout en fixant des garde‑fous.

Enfin, cet ouvrage lexical ne fait pas l’impasse sur l’environnement réglementaire ou normatif — mais il ne s’y perd pas. Il rappelle succinctement que des textes comme le AI Act, le RGPD ou le CNIL interviennent et structurent les usages, sans pour autant devenir un document juridique. Il s’agit de donner aux professionnels RH une “langue commune” avec les technos, les data scientists, les juristes et les décideurs. En maîtrisant ce lexique, l’agence, le leader RH ou le consultant peut participer de manière active, éclairée, et non plus simplement être “le client qui regarde la techno faire”.