Peut-on se fier à une fourchette salariale générée par l’IA?

Une fourchette salariale générée par l’IA peut ouvrir une discussion sur la rémunération, mais elle ne constitue pas un taux de marché vérifié. Avant de l’utiliser, vérifiez sa source, sa date, son marché géographique, le travail et le niveau visés, ainsi que la distinction entre salaire de base et rémunération globale. Sans ces précisions, le chiffre ne permet pas d’établir la juste rémunération d’un poste donné.

Dans The Art and Science of Compensation, présenté au BambooHR HR Virtual Summit 2026, Kelsey Tarp et Alex Bertin ont parlé des employés et des gestionnaires qui arrivent à une discussion salariale avec une réponse convaincante produite par l’IA. Bertin avait posé une question sur la rémunération d’un ingénieur logiciel comptant cinq ans d’expérience. Le montant suggéré différait de la fourchette de son entreprise. En ajoutant la taille, le stade de développement et le secteur de l’employeur, il a obtenu une réponse plus proche de la réalité interne. Le modèle n’était pas devenu pour autant la politique salariale de l’entreprise.

L’exemple vaut pour les deux parties. Un employé peut avoir raison de remettre en question son salaire tout en s’appuyant sur une comparaison peu fiable. Un employeur peut contester cette comparaison et devoir quand même expliquer clairement sa propre fourchette. Il faut d’abord établir si les deux parties parlent du même type de poste.

Qu’est-ce qui peut fausser une estimation salariale produite par l’IA?

Une estimation produite par l’IA peut réunir des chiffres tirés de postes, de lieux, d’années et de sources différents sans préciser leur poids respectif. Tarp a rappelé qu’un ton assuré peut masquer une ancienne enquête, une donnée déclarée par les répondants ou un poste aux responsabilités différentes. Bertin a montré une réponse en ligne qui citait une publication Reddit comme preuve de sa propre affirmation sur les réponses de l’IA. Son exemple de « 40 % » illustrait une mauvaise boucle de citation; ce n’était pas une statistique sur l’entraînement des modèles ni sur les données salariales.

Demandez la source d’origine, puis ouvrez-la. Présente-t-elle des salaires réellement versés, des fourchettes affichées dans les offres d’emploi ou des estimations personnelles? Couvre-t-elle votre ville ou votre bassin de recrutement? Précise-t-elle l’échantillon, l’année, les tâches et les éléments de rémunération? Si ces points restent impossibles à vérifier, le chiffre demeure une piste. Une deuxième réponse de l’IA qui le répète n’est pas une source indépendante.

Même les données salariales crédibles ont leurs limites. Le Bureau of Labor Statistics des États-Unis explique que ses estimations de l’emploi et des salaires par profession incluent les traitements et salaires, mais excluent notamment les primes non liées à la production et les coûts des avantages sociaux assumés par l’employeur. Elles donnent un contexte professionnel, pas une offre prête à remettre à une personne précise.

Comment comparer une fourchette salariale générée par l’IA à votre poste?

Comparez d’abord le travail, puis le marché. La question de Bertin sur cinq années d’expérience ne précisait ni l’employeur ni les responsabilités de l’ingénieur. Tarp a donné un autre exemple : une personne quittant un poste de gestion pour un rôle mieux rémunéré où elle dirigerait d’autres gestionnaires. Présenter l’écart comme une augmentation pour le « même poste » cacherait un changement d’envergure.

Notez les décisions confiées au poste, les responsabilités de gestion, la complexité du travail et les résultats attendus. Vérifiez ensuite le lieu et le marché visé : employeur local, poste à distance recruté à l’échelle nationale ou autre bassin de main-d’œuvre. Séparez enfin le salaire de base des primes, de la participation au capital, des avantages sociaux et des heures de travail. La foire aux questions du BLS montre cette distinction pour ses propres données; d’autres sources définissent la rémunération autrement.

Notre article sur les limites des titres de poste pour prédire le travail porte sur l’embauche. Tarp et Bertin montrent que le même problème touche la rémunération : le titre « gestionnaire » peut désigner une première responsabilité de supervision ou la direction de plusieurs gestionnaires. Un titre identique ne suffit pas pour comparer deux salaires. Le réflexe de vérifier une réponse fluide de l’IA avant de l’accepter compte tout autant quand cette réponse contient un montant.

Que faire lorsqu’un employé ou un gestionnaire doute d’une fourchette salariale?

Servez-vous de la fourchette contestable pour demander une comparaison plus solide, pas pour clore la discussion. L’employé peut apporter sa source, expliquer quelles tâches et quel marché lui semblent comparables, puis demander comment l’employeur a évalué le niveau du poste. Le gestionnaire peut exposer les données qui fondent la fourchette et situer les responsabilités de l’employé à l’intérieur de celle-ci. Si les tâches se sont élargies, il faut examiner le poste tel qu’il existe aujourd’hui.

Tarp a soutenu que les équipes de rémunération doivent expliquer ce que l’organisation accepte ou refuse de rémunérer. Bertin a demandé de la transparence sur le processus : sources, postes comparables, choix du marché et compromis derrière la décision. Cela ne rend pas automatiquement chaque décision équitable. Cela donne toutefois à l’employé les éléments nécessaires pour examiner le raisonnement et repérer un vrai désaccord sur la portée, le niveau ou le salaire.

Une réponse de l’IA peut mener à une enquête salariale ou soulever une question oubliée. La discussion progresse lorsque la source est vérifiable et que le poste est décrit avec précision. Un chiffre qui semble exact ne devient utile qu’après ces deux vérifications.