Recrutement automatisé par IA

La chaine de valeur à automatiser

La chaine de valeur à automatiser se décompose en 2 éléments:

• Produire un score étayé d'un CV sur une fiche de poste

• Identifier les CVs pertinents pour une fiche de poste

Pourquoi automatiser ? Parce que les activités induites sont chronophages et peuvent être automatisées.

Les sources de données

L'automatisation de contenu s'opère sur la base de données existantes. Ces données peuvent être structurées ou non structurées. La chaine de valeur va s'appuyer sur ces données.

Dans le cas d'usage présent, les sources de données sont non structurées et se trouvent stockées dans des documents éparses au format PDC ou DOC.

Ces documents contiennent deux types de données:

• CV

• Fiche de poste

L'IA ne comprends pas, elle devine.

Le mécanisme sous jacent de l'IA est basé sur des statistiques de proximité. Bien que les modèles intègrent la connaissance du métier du recrutement, cela ne suffit pourtant pas. Ce mécanisme est la source des comportements erratiques de l'IA qui peut donner un premier résultat satisfaisant puis un suivant incohérent ou hallucinant.

Il est nécessaire d'amener l'intelligence d'Entreprise vers l'IA. Celle-ci se base sur la description des données.

Dans un premier temps, il est nécessaire d'identifier les objets métier principaux:

• CV

• Fiche de Poste

• Scoring

• Compétence

De la chaine de valeur aux flux de travail automatisables (workflows)

La chaine de valeur automatisée se décline dans des flux de travail automatisés:

• Acquisition du CV et évaluation

• Acquisition de la Fiche de Poste

• Scoring du CV sur la fiche de Poste

• Identification des CVs pertinents sur la Fiche de Poste

Pas d'Automatisation sans référentiel de connaissance

L'IA fonctionne est s'appuyant sur des données en entrée. Celles-ci peuvent être stockées dans le prompt si la taille le permet. Lorsque la taille est trop importante, il est nécessaire d'utiliser un support externe de type RAG.

Point d'attention : le RAG fonctionne intrinsèquement sur des statistiques de proximité ce qui est un autre vecteur d'hallucinations.

Pour construire une automatisation performante, prévisible et sans hallucinations

La clé du succès d'une implémentation IA réussie est le modèle de données. Il décrit les entités, leurs relations et cardinalités, les données et leurs définitions métier.

Le modèle va transformer un système à comportement aléatoire en un système intelligent dans le domaine de de connaissance de l'Entreprise.

Dans le cas d'usage présent, on constate que le système de connaissance est Compétence-Centric.

Le succès de l'Automatisation requiert une démarche structurée centrée autour du Modèle de Données afin d'ancrer l'IA dans l'Intelligence de l'Entreprise

Ici, cela permet de standardiser l’évaluation des candidatures pour obtenir un scoring cohérent, traçable et reproductible