L’article de Cheng-chi (Kirin) Chang (Algorithm as Agent: AI Vendor Liability for Title VII Hiring Discrimination After Loper Bright, Stanford Law Review Online, Volume 79, September 2026 (https://review.law.stanford.edu/wp-content/uploads/sites/3/2026/09/Chang-79-Stan.-L.-Rev.-Online-50-1.pdf)) part du litige Mobley v. Workday.

Derek Mobley, homme noir de plus de quarante ans et en situation de handicap, affirme avoir présenté plus de cent candidatures auprès d’employeurs utilisant Workday et avoir été systématiquement rejeté, souvent en quelques minutes et avant toute intervention humaine identifiable. Il a poursuivi non les employeurs, mais Workday, en soutenant que le fournisseur agissait comme leur « agent » au sens du Title VII, de l’Age Discrimination in Employment Act (ADEA) et de l’Americans with Disabilities Act (ADA). En juillet 2024, le tribunal a laissé subsister les prétentions fondées sur l’impact discriminatoire et, en mai 2025, a autorisé une procédure collective nationale sous l’ADEA, alors que Workday avait traité environ 1,1 milliard de candidatures.

Le problème s’est compliqué après Loper Bright Enterprises v. Raimondo. En 2024, la Cour suprême a abandonné Chevron, qui imposait une certaine déférence envers l’interprétation des lois ambiguës par les agences fédérales. Puis l’ordre exécutif de l’administration Biden sur l’IA a été révoqué, l’EEOC a retiré ses lignes directrices sur l’IA dans le recrutement et l’administration fédérale a demandé aux agences de réduire la priorité accordée aux actions pour impact disparate. Workday en déduit que les raisonnements dépendant de l’EEOC sont fragilisés. Chang soutient au contraire que la théorie retenue dans Mobley repose sur le texte du Title VII et le droit commun de l’agence.

Le point de départ est le mot « agent » figurant dans la définition de l’« employeur » au § 701(b) du Title VII. Selon Nationwide Mutual Insurance Co. v. Darden, lorsqu’un texte fédéral emploie sans le définir un terme issu du common law, il faut présumer que le Congrès en reprend le sens traditionnel. Une relation d’agence suppose que le principal manifeste son accord, que l’agent agisse pour son compte, sous son contrôle, et qu’il accepte ou exécute la mission. Dans le cas de Workday, l’accord et l’action pour le compte de l’employeur sont relativement simples à établir. La difficulté tient au contrôle, car l’employeur ne connaît pas forcément les règles internes d’un système opaque et ne supervise pas chaque décision.

Pour résoudre cette difficulté, l’auteur propose la notion de « Functional Control Inversion ». Il ne prétend pas créer une nouvelle règle, mais nommer la logique déjà présente dans la décision de la juge Lin. Avec une IA de recrutement, l’employeur peut déléguer précisément la partie du processus qu’il ne contrôle plus au jour le jour : filtrer, classer ou rejeter les candidats. Cela ne supprime pas tout contrôle juridique. On admet que le principal conserve un contrôle s’il garde des leviers tels que résilier le contrat, désactiver ou reconfigurer des fonctions, auditer les résultats ou passer outre une décision. La question n’est donc pas de savoir si l’employeur supervise chaque calcul, mais s’il a transféré au fournisseur une fonction décisionnelle qui lui appartenait traditionnellement.

Loper Bright ne détruit donc pas, selon Chang, la théorie Mobley ; il la recentre sur le texte.

La deuxième étape consiste à tracer une frontière entre participation réelle à la décision et simple fourniture d’un outil. Dans Mobley, Workday aurait filtré, classé et rejeté certains candidats avant toute revue humaine. Le fournisseur reçoit alors un poids décisionnel substantiel et peut être qualifié d’agent. À l’autre extrême, un fournisseur qui ne met à disposition qu’une base de données ou un logiciel de tri sans notation ni recommandation ne prend aucune décision ; la responsabilité demeure chez l’employeur. Entre les deux, tout dépend du poids réel de la recommandation. Si les recruteurs suivent presque toujours la sortie de l’IA, leur pouvoir formel de s’en écarter ne suffit pas nécessairement à exclure l’agence. Il faut regarder les pratiques concrètes, notamment les taux de contournement, les statistiques de sélection ou la manière dont le produit est présenté comme réduisant fortement la présélection humaine.

L’auteur teste ce critère par plusieurs cas limites. Un modèle open source publié puis déployé directement par l’employeur ne crée pas, selon lui, de relation principal-agent avec l’auteur du modèle, faute de délégation contractuelle. Dans Kistler v. Eightfold AI, les demandeurs ont choisi le Fair Credit Reporting Act plutôt que le Title VII, ce qui correspond à un outil de recommandation moins décisif que celui allégué dans Mobley. Walters v. OpenAI illustre l’autre limite : lorsque l’utilisateur formule la requête, lit la réponse et reste celui qui décide de l’utiliser, le fournisseur n’a pas reçu de pouvoir décisionnel. Le critère décisif n’est donc pas la technologie, mais le lieu où se trouve effectivement le pouvoir de décider.

Enfin, Chang répond à l’argument selon lequel cette responsabilité paralyserait l’industrie du logiciel. Des intermédiaires comme les agences de placement ou les recruteurs sont déjà soumis à des règles comparables, tandis que son test exclut les simples fournisseurs d’outils. Le risque peut ensuite être réparti contractuellement entre employeur et fournisseur. L’auteur souligne aussi qu’en Californie, les règlements FEHA de 2025 qualifient d’« agent » celui qui exerce pour le compte de l’employeur une fonction traditionnellement exercée par celui-ci, y compris au moyen d’un système automatisé.

Sa conclusion est que la question centrale n’est pas de savoir si une décision est prise par un humain ou une IA, mais si l’employeur a transféré à un tiers un pouvoir décisionnel substantiel. Lorsqu’un fournisseur décide effectivement qui avance ou qui est écarté, il peut, selon cette analyse, être traité comme l’agent de l’employeur au regard du droit fédéral de la discrimination.

Me Philippe Ehrenström, avocat, CPO – LLM, CAS en Droit et intelligence artificielle, CAS en Protection des données – Entreprise et administration