Il y a beaucoup d’effets d’annonces dans les nouvelles technologie RH, pour des résultats parfois peu probants. Mais il est une innovation qui a clairement fait ses preuves ces dernières années : le matching sémantique. Autrefois réservé aux grandes entreprises, de par son coût élevé, le matching sémantique s’est désormais démocratisé. Plusieurs logiciels de recrutement, dont tool4staffing, l’intègre dans leurs fonctionnalités. Coup de projecteur sur une technologie qui bouleverse la manière de recruter.

Le matching sémantique : kézako ?

Un algorithme de matching sémantique va parcourir un CV, peu importe son format, et va lui-même en extraire des catégories : fonction, poste occupé, secteur, disponibilité, expériences, niveau de diplôme etc….et il fera de même avec vos offres d’emploi.

Dès lors, pour toute offre d’emploi rentrée dans l’outil, l’algorithme sera en mesure de vous proposer des candidats de votre base, en se basant uniquement sur leur CV. Il ajoute en général une note de “matching” entre 0 et 100 : certains CV sont plus pertinents que d’autres pour l’offre en question.

Vous n’avez donc qu’à entrer votre descriptif de poste : le matching sémantique vous propose alors une liste de candidats pertinents, en se basant sur l’analyse de leur CV, mais aussi des informations que vous aurez indiquées dans leurs fiches. 

Voici comment se présente ce résultat sur notre logiciel de recrutement tool4staffing :

Dès lors vous pouvez, en quelques clics, les incorporer dans votre processus de recrutement, les emailer, solliciter etc…

Mais ce n’est pas tout : l’algorithme permet aussi de “noter” vos candidatures.

Voici pour l’optimisation de votre base, qu’en est-il maintenant pour le traitement de vos candidatures entrantes ? L’algorithme de matching fonctionne également “dans l’autre sens”, c’est à dire que pour chaque candidature, il peut vous calculer une pertinence par rapport à un poste donné. À partir de là vous pouvez classer vos candidatures selon ce critère pour accélérer leur traitement. Exit donc ce candidat toiletteur pour chiens qui postule pour un poste de développeur PHP.

Pourquoi c’est fabuleux

Chez 90% de nos clients, cabinets de recrutement, ETI et GE, nous constatons que la base de données candidats n’est pas exploitée. Pourquoi ? Tout simplement car les recruteurs n’ont pas le temps de correctement remplir les fiches candidats. Seul demeure alors le CV, qui disparaît la plupart du temps dans les sombres méandres de votre base de données.

Le matching sémantique, en se basant uniquement sur ce CV, contourne le problème. Il vous permettra de faire ressortir vos candidats via des recherches très avancées, ou tout simplement en se basant sur la description du poste. Votre base de candidats prend alors beaucoup plus de la valeur, et vous pouvez la solliciter plutôt que de repartir depuis zéro à chaque création de poste.

Pourquoi tout recruteur devrait l’essayer

Le matching sémantique n’a pas pour vocation de remplacer le recruteur, mais il est une aide précieuse dans son travail de tous les jours. En lui permettant d’éviter les tâches rébarbatives (codification de candidats, screening de CV) il lui permet de se focaliser sur des tâches à plus forte valeur ajoutée. Se doter de cet outil dès à présent c’est s’assurer de :

• Soigner sa marque employeur : la communication ciblée avec les candidats de votre base est désormais possible en quelques clics
• Gagner en productivité : les recruteurs perdent moins de temps sur des tâches rébarbatives
• Raccourcir les délais de recrutement : en traitant les bons candidats plus vite on augmente de trouver le bon rapidement

>> Découvrir le matching sémantique de Tool4staffing <<

(Alerte spoiler : certains détails de la dernière saison de Game Of Thrones sont dévoilés dans cet article)

“Si vous deviez définir 7 types de candidats qui vous ont marqués en entretien, quels seraient-ils ?” : voici la question qui a été posée à quelques uns de nos de 1000 utilisateurs recruteurs. Loin de couvrir l’ensemble des candidats existants, ni même d’étiqueter qui que ce soit, certains “types” de candidats sont sortis majoritaires de ce sondage :

• L’ambitieux(se)
• Le/a passionné(e)
• Le/a réfléchi(e)
• Le/a stratégique
• Le/a déterminé(e)
• Le/a direct(e)

Preuve de l’impact mondial de notre étude, cette liste décrit exactement la shortlist, mondialement connue, des finalistes au poste de roi de Westeros, dans ce long processus de sélection que furent les 8 saisons de Game Of Thrones. Etudions-la en détail.

Daenerys – L’ambitieuse

Daenerys de typhon de la Maison Targaryen, première du nom, Reine de Meereen, Reine des Andals, de Rhoynar et des Premiers Hommes, Suzeraine des Sept Couronnes et Protectrice du Royaume, Khaleesi de la Grande Mer Herbeuse, Mère des Dragons, l’imbrûlée, briseuse de chaînes.

Les plus :

• Déterminée : exilée dans les cités libres d’Essos, elle construit une armée de rien et traverse l’océan pour reconquérir Westeros
• Force de persuasion : possède des dragons

Les moins :

• Vindicative : n’hésite pas à brûler une ville entière pour se venger
• Incompatible : tendance à l’inceste

Jon Snow – Le passionné

Il est désigné comme le fils illégitime de Lord Eddard Stark mais se révèle être le fils de Lyanna Stark et de Rhaegar Targaryen. Il est donc l’héritier légitime du trône de fer.

Les plus :

• Orienté équipe : n’hésite pas à perdre son titre de roi pour sauver son peuple
• Orienté leadership : est déclaré Roi du Nord alors que c’est un bâtard

Les moins :

• Confiance aveugle dans son équipe : se fait poignarder par ses propres hommes

Brandon Stark – Le réfléchi

Second fils d’Eddard et de Catelyn Stark. Il devient infirme après avoir été poussé par Jaime Lannister du haut d’une tour. Il devient la Corneille à trois yeux suite à une longue errance au delà du mur. Cela lui permet de voir le passé et le futur.

Les plus :

• Compétent : il a toutes les connaissances nécessaires pour le poste, il connaît le passé et le futur des hommes
• Force de persuasion : il peut déplacer son esprit dans le corps de n’importe quel être simple d’esprit et le contrôler
• Handicapé : permet de remplir les quotas de l’entreprise

Les moins :

• Incompatible : il a plutôt tendance à être solitaire

Tyrion Lannister – Le stratégique

Il est le troisième enfant de Lord Tywin Lannister. Sa famille le hait car c’est un nain. Il change d’allégeance et décide de rejoindre Daenerys Targaryen pour devenir son principal conseiller.

Les plus :

• Passionné : malgré son cynisme, il est prêt à risquer sa vie pour défendre son peuple, il perd son nez en se battant
• Créatif : il développe des plans et des stratégies très développés dans le but de sauver des vies

Les moins :

• Détracteur : n’hésite pas à trahir sa famille et tuer son père
• Alcoolique : il passe son temps avec un verre de vin à la main

Sansa Stark – Déterminée

Elle est la fille aînée de Lord Eddard Stark et de Catelyn Tully. Elle passe de jeune fille naïve dont la seule ambition est d’épouser un roi à une jeune femme forte et indépendante respectée et écoutée par le peuple du nord.

Les plus :

• Ambitieuse : elle est prête à tout pour garder son pouvoir sur le peuple du nord et n’accepte pas Daenerys comme reine
• Loyale : elle est loyale envers sa famille et est prête à tout pour les protéger

Les moins :

• Détracteur : elle trahit la confiance de Jon Snow et révèle son origine royale pour que Daenerys n’accède pas au trône de fer
• Solitaire : n’est pas orientée équipe, elle se méfie de tout le monde

Arya Stark – Directe

Elle est la fille cadette de Lord Eddard Stark et de Catelyn Tully. Elle est présumée morte et suit une formation d’assassin pour devenir personne avant de reprendre son identité. Elle entame ensuite une longue vengeance en tuant toutes les personnes qui ont fait du mal à sa famille. Elle a tué le roi de la nuit et sauvé Westeros par la même occasion.

Les plus :

• Déterminée : elle change de continent pour se donner les moyens d’assouvir sa vengeance
• Loyale : elle tue pour venger sa famille

Les moins :

• Incompatible : elle n’a pas l’intention de s’intégrer dans la culture du royaume, elle n’obéit à personne et ne se soumettra probablement à aucun roi

Gendry Baratheon – Le sympathique

Il est apprenti-forgeron à Port-Réal et le bâtard du roi Robert Baratheon. Il veut épouser Arya Stark et est reconnu comme le dernier descendant des Baratheon. Il hérite de l’ensemble des terres de son père.

Les plus :

• Compétent : travaille dur pour prouver sa valeur
• Fiable : il est très honnête et intègre. Il n’attend rien de ses origines royales

Les moins :

• Celui qui vous sonne une cloche : tout semble parfait sur le papier mais on ne l’imagine pas sur le trône de fer

Nous ne voulons en aucun cas vous gâcher la fin. Sachez simplement que le matching sémantique de tool4staffing a placé Brandon Start en tête de la shortlist, et en terme de recrutement, nos algorithmes sont à la pointe du progrès, contrairement à d’autres IA qui se sont lourdement trompées.

En 2016, à peine lancée, le chatbot Tay de Microsoft dérapait sur Twitter : propos négationnistes, apologie d’ Hitler…ses créateurs l’ont débranché après seulement 24h. En 2017, un an plus tard, ce fut le tour d’une autre intelligence artificielle, nommée Glove, de reproduire des stéréotypes grossiers : les femmes associées aux arts, les hommes aux professions scientifiques…

Pourquoi certaines Intelligences Artificielles, que l’on nous présente comme le progrès absolu, finissent par reproduire les discours de Tonton Fernand après 3 verres de vin rouge ? Pour comprendre il faut se pencher sur le mode de fonctionnement  de ce que la plupart des scientifiques refusent d’appeler « Intelligence » Artificielle. Beaucoup lui refusent cet honneur, et préfère utiliser le terme “Apprentissage Récursif”. Explication.

Lorsque les machines gagnent aux échecs ou au jeu de go, créent de la musique classique ou des vidéos criantes de vérité, elles ne font appel à aucun type de réflexion. Elles réalisent simplement un nombre considérable de “tests/erreurs” qui leur permet finalement de proposer un comportement adapté.

À titre de comparaison : si vous mettez une grenouille face à un piano minuscule, et que vous lui envoyez une décharge chaque fois qu’elle fait une fausse note, elle finira par savoir jouer du Chopin. Problème : à raison de 100 fausses notes par jours il lui faudra sans doute quelques centaines d’années. Une IA, elle, peut réaliser plusieurs millions de tests/erreurs par seconde. Elle battra donc la grenouille à plate couture dans l’apprentissage du piano, mais n’aura pas une réflexion bien supérieure.

Pour apprendre les machines ont donc besoin de distinguer ce qu’est une erreur (une fausse note) de ce qui n’en est pas (une note juste). Les algorithmes des chatbots, pour réaliser leur apprentissage tests/erreurs, ont donc besoin d’une base de données gigantesques de « réponses » qui sonnent justes. Pour certaines, notamment Tay de Microsoft, ce fut Twitter. Elle a donc exploré les réponses données à des milliards de questions sur ce réseau social, et en a déduit une trame de discussion la plus humaine possible.

Tout l’apprentissage des machines et donc basé sur la reproduction du comportement qu’elle a appris, sans réflexion ni analyse de ce dernier. Il est donc normal que ces « Intelligences » reproduisent les biais et stéréotypes véhiculés sur ces derniers. Y compris pour les théories les plus violentes : ces théories sont en général plus activement défendue par leurs partisans que la recette de la courge à la tomate.

Ce genre d’incidents nous interroge sur l’utilisation de l’IA, à l’heure où nous lui confions de plus en plus d’éléments de décisions. Quelle est la limite éthique de la démarche ? Si on peut pardonner Tonton Fernand, voire se dire qu’il changera, qu’en est-il d’une machine ?

Valérie Touraine, CEO du chatbot RH JAI – récemment acquis par JobiJoba, nuance : “Un chatbot peut reposer sur une véritable IA ou de simples arbres de discussions. Chez JAI, pour une expérience candidat unique, nous utilisons les deux. D’une part, notre brique d’Intelligence Artificielle (aussi appelé NLU) est entraînée sur l’ensemble des discussions avec les candidats par une équipe de datascientists qui maîtrise son apprentissage. Ainsi on évite l’effet boîte noire. Cela nous permet de comprendre les questions des candidats afin d’y répondre au mieux. D’autre part, nous avons des scénarios guidés pour accompagner le candidat dans sa découverte de l’entreprise et de ses offres. »

Et surtout, précise-t-elle, “toute la qualité d’une IA vient du choix de la base d’entraînement, sélectionnée et optimisée par les data scientists”. Quand on voit l’agressivité bien connue des échanges sur Twitter, on peut se demander comment ceux de Microsoft ont pu espérer un résultat différent ?

Une certitude : ces notions de “qualité d’IA” vont se poser de plus en plus, et un peu plus de transparence sera de mise. Dans notre article « L’effet pôle emploi» , nous pointions déjà du doigt les limitations d’une qualification trop rigide la base. Algorithmes de matching, recherche sémantique…tous ces outils doivent être au service de l’utilisateur et non pas entériner des biais contre lesquels il faut lutter. Chez Tool4staffing nous sélectionnons avec soin nos outils d’Intelligence Artificielle. Ils sont en outre pensés pour proposer une puissante aide à la décision, mais en aucun cas s’y substituer. Le temps gagné est notable, la base candidats infiniment mieux qualifiée, et le dernier regard lui, reste humain. C’est pour nous un engagement fort, dans un domaine où la discrimination est, on le sait, encore très présente.

>> DEMANDER UNE DÉMO GRATUITE << 

“Il ne faut pas coller d’étiquette aux gens” nous répète-t-on depuis l’enfance. Pourtant en recrutement, “coller des étiquettes”, est un impératif de tous les jours. Cela s’appelle “qualifier” un candidat, ou plus exactement le “codifier”, pour les plus techniques. Autrement dit, transformer un CV en une série de valeurs codifiées : Fonction, Secteur, Langues, Disponibilités…bref toute autre information qui ne soit pas du simple texte. Tous les candidats sont ainsi “codés” dans les bases des recruteurs, via un algorithme ou une action humaine.

Le but premier est louable : permettre de retrouver ultérieurement le candidat de manière simplifiée, le matcher en quelques clics avec un poste à pourvoir. Le travers, nous le connaissons tous : c’est celui de la réduction d’un CV à quelques codes pas forcément représentatifs. En France, le champion toute catégorie de cette codification hasardeuse est bien sûr Pôle Emploi, à qui nous devons ce genre d’emails ubuesques, reçu un beau matin chez Tool4staffing :

Monsieur,

Le Pôle emploi m’a demandé de vous envoyer un CV pour le poste de « Développeur PHP (H/F) » N° 078PGRK, je vous prie ainsi de bien vouloir le trouver ci-joint. Malheureusement, je n’ai aucune des compétences demandées pour ce dernier.

Vous en souhaitant bonne réception.  

Gageons que le système d’information de Pôle Emploi ne fait pas la distinction entre un développeur VBA et un développeur PHP, pourtant fort peu commutables.

Mais plutôt que de les blâmer aveuglément, demandons-nous ce qui peut amener à ce type de situations absurdes. Pourquoi un  “commercial digital sédentaire” est classé comme “commercial” ? Comment Pôle Emploi peut proposer un poste de stripteaseuse à une maîtresse d’école ou un emploi dans les cosmétiques à une diététicienne ?  Outre les travers administratifs que l’on connaît bien, il existe aussi un problème structurel : avec un spectre d’action trop large ( 2.5M de candidats, du garçon de café au directeur général, tous secteurs confondus ), Pôle Emploi n’a pa su/pu établir une liste de codes pertinente. Plutôt que de les multiplier à l’infini, ils les ont donc limités, provoquant ces codifications grossières..

Mais si Pôle Emploi a comme excuse la taille de sa base, la plupart des recruteurs ont souvent une base plus restreinte. En outre ils sont la plupart du temps spécialisés, que cela soit par types de postes ou par secteurs. Le spectre des profils possibles y est beaucoup plus étroit que sur une base comme celle de Pôle Emploi, qui couvre, par définition, quasiment l’ensemble du marché du travail. Bonne nouvelle : il est donc possible de coder correctement sa base et de l’exploiter au maximum.

Dans ce cadre, voici quelques conseils, parfois évidents, souvent bien utiles :

1. Vos codes dépendent de votre base. On ne code pas de la même manière une base d’interim de 100 000 candidats qu’une base chassée de 10 000 candidats.
2. Vos codes doivent évoluer avec vous, et il faut savamment maîtriser l’ajout de nouveaux codes, la suppression de certains, la fusion d’autres.
3. Vos codes doivent faire consensus au sein de vos équipe. Chacun doit, à candidat égal, le coder exactement de la même manière.

Si ces 3 points ne sont pas respectés, si les codes de votre base sont mal pensés : les utilisateurs ne vont pas les rentrer, ou mal, et votre base sera inexploitable. Passer outre cette problématique, c’est le choix que font malheureusement beaucoup de recruteurs, par manque de temps.

Voilà pourquoi chez Tool4staffing , logiciel de référence pour de nombreux professionnels du recrutement, nous proposons des outils permettant d’auditer votre base en temps réel : quels champs sont remplis ? Dans quelles proportions ? Qui remplit comment ? En un clin d’œil vous pouvez analyser vos différents codes. Un code n’est jamais utilisé ? Supprimez-le. Au contraire un code est prépondérant ? Divisez-le.

Prendre les quelques minutes nécessaires à la définition de codes pertinents est un pari gagnant : le travail quotidien du recruteur est facilité et votre base candidats hautement valorisée.

C’est LE mot à la mode du moment. Lorsque Michel, du Marketing, le dégaine lestement lors de sa présentation hebdomadaire, son public reste en émoi, et prétend comprendre tous les acronymes égrenés à sa suite. Avouons que dans un Powerpoint le terme « Big Data » fait plus chic que « quoi qu’on fait de toutes nos données ? ».  Quand Michel nous explique en slide 3 qu’il faut « exploiter nos signaux faibles » cela sonne mieux que « à quoi diable peut servir cette liste déroulante ? »

Bref : que cela soit Michel servant à impressionner la galerie, une startup cherchant à lever des fonds ou une grande entreprise en train de « transiter vers le digital », le Big Data semble contenir bien des promesses : multiplier nos marges, optimiser nos coûts, guérir la faim dans le monde…est-ce aussi simple ? Pas sûr.

Premièrement : dans Big Data il y a Big 

Le traitement massif d’un grand volume de données implique…un grand volume de données. Sinon les algorithmes perdent toute leur précision. La base de Linked In compte plusieurs centaines de millions de personnes, et on ne peut pas les accuser de lésiner sur les moyens. Or son algorithme parvient encore, fréquemment, à proposer des postes de « coiffeuse / Tourcoing » à des « Directeur Commerciaux / Londres ». Quelle sera donc l’efficacité d’un algorithme, moins coûteux, sur une base de 10 à 300K candidats d’un cabinet ou département RH lambda ?

Qui plus est cela suppose que les données soient normalisées et harmonisées. « Normalisée » signifie que l’information est codée de la même manière, et ce depuis le début de l’existence de votre base candidats. J’en vois qui pâlissent. Ce n’est pas fini. « Harmonisée » signifie que si vous avez une base contenant des « CFO Monde » acquis sur de la chasse et des « Commerciaux Sédentaires Pas de Calais » issus de la diffusion d’annonces, vous aurez en fait non pas une, mais deux manières de traiter votre base.

Deuxièmement : sans Ressources Humaines il y a Humain

Le Big Data a fait ses premières armes sur de la vente B2C de masse. Ce qui est vrai pour cibler un acheteur potentiel d’une cafetière sur Amazon, est-il applicable aux décisions d’un département RH ? Si on peut résumer l’achat de la première à la croisée d’une poignée de paramètres, la sélection d’un CV d’un candidat ne peut pas s’appuyer sur un seul croisement sémantique avec la Mission à laquelle on le destine. Si le candidat Jean-Jacques ne peut s’empêcher de vanter à longueur de journée les mérites de l’OM, cela gênera peut-être Sonia sa N+1, fan du PSG (oui, il en faut). En bref : le facteur humain, plus que jamais, compte en RH.

En bref : le Big Data – dans l’état actuel des choses – peut être un excellent outil sur lequel baser la décision humaine, mais en aucun cas s’y substituer. Comme beaucoup de phénomènes à la mode (Intelligence Artificielle, Matching Sémantique, Justin Bieber…) l’effet d’annonce est très antérieur à l’effet réel. D’ici là, avant de faire du Big Data, les recruteurs devaient commencer par faire du Data…tout court. Souvent assis sur une base de données de très grande valeur mais parfaitement inexploitée le recruteur doit se poser une poignée de questions : si je prends 10 CV parfaitement au hasard dans ma base :

• Avec combien ai-je interagi dans les 3 derniers mois ?
• Combien d’entre eux seront garantis d’actualité ?
• Combien ont une fiche correctement remplie ?

Chez tool4staffing nous proposons de nombreux modules innovants, permettant à moindre effort de garder un contact continu avec vos Candidats, et de réellement (re) valoriser votre base de données. Beaucoup plus puissant qu’un simple ATS nous prétendons proposer un ARM : Applicant Relationship Management. Communiquez de manière ciblée et personnalisée avec vos Candidats, permettez-leur de se qualifier eux-mêmes et de remonter leurs (nouveaux) projets dans votre outil, intégrez des scénarios de suivi…en quelques semaines vous transformez votre base actuelle, sous exploitée, en arme de de recrutement massive.