La plupart des recruteurs manquent de temps pour dénicher les bons profils parmi une pile de CV qui ne cesse de s'épaissir. Une plateforme de mise en correspondance des talents évalue les candidats par rapport aux exigences réelles d'un poste et les classe par ordre de pertinence, ce qui permet aux équipes de recrutement d'examiner en priorité les profils les plus adaptés. Les sections ci-dessous expliquent le fonctionnement de ces plateformes, comment l'intelligence artificielle est mise en œuvre, quels résultats les équipes obtiennent et comment en acquérir une.
Qu'est-ce qu'une plateforme de mise en relation de talents ?
Une plateforme de mise en adéquation des talents est un logiciel qui utilise l'intelligence artificielle pour noter et classer les candidats en fonction de leur adéquation avec un poste. Elle évalue les compétences, l'expérience et d'autres indicateurs, au lieu de se baser uniquement sur le filtrage par mots-clés. La plateforme analyse les exigences du poste et les données des candidats, puis génère un score d'adéquation et une liste restreinte classée sur laquelle le recruteur peut s'appuyer. Cette même technologie permet également de mettre en adéquation des collaborateurs existants avec des postes internes, bien que ce guide se concentre sur le recrutement externe.
Recrutement externe ou mobilité interne ?
Le terme « plateforme de mise en relation des talents » recouvre deux fonctions distinctes, et les outils que vous trouverez lors de votre recherche ne répondront peut-être pas à vos besoins. Dans le domaine du recrutement et de l'acquisition de talents, la plateforme met en relation des candidats externes et des candidats identifiés avec des offres d'emploi. Dans le cadre de la mobilité interne, elle met en relation les collaborateurs actuels avec des missions, des projets et des postes vacants au sein de votre propre entreprise.
Ce guide se concentre sur le cas d'utilisation lié au recrutement : pourvoir des postes vacants avec des candidats externes à l'entreprise. Si vous souhaitez avoir une vue d'ensemble de cette fonction, consultez notre guide expliquant ce qu'est une plateforme d'acquisition de talents. Les plateformes de mobilité interne répondent à un problème connexe mais distinct ; veillez donc à traiter ces deux catégories de manière distincte lorsque vous établissez votre liste restreinte de prestataires.
Comment fonctionne la mise en adéquation des talents grâce à l'IA ?
En coulisses, les outils de mise en correspondance des talents basés sur l’IA exploitent un processus qui transforme des CV disparates en une liste restreinte de candidats comparables et notés. La recherche par mot-clé vérifie si un terme apparaît ; la mise en correspondance évalue dans quelle mesure un profil dans son ensemble correspond aux exigences. L’intérêt pour ces outils ne cesse de croître : selon Gartner, l’IA et les pressions sur les coûts sont les deux moteurs des principales tendances en matière de recrutement pour 2026.[1]
En général, les étapes se présentent comme suit :
- Il analyse chaque CV ou profil pour en extraire des champs structurés, tels que les intitulés de poste, les compétences et les dates.
- Il établit un profil de compétences à partir du CV et de données complémentaires issues de sources publiques et des réseaux sociaux.
- Il met en correspondance ce profil avec les exigences du poste en s'appuyant sur la pertinence sémantique et des filtres booléens.
- Il fournit un score de compatibilité ainsi qu'une liste restreinte classée indiquant dans quelle mesure chaque candidat répond ou ne répond pas aux critères.
- Il tire des enseignements des décisions d'acceptation et de rejet prises par les recruteurs afin d'améliorer les classements futurs.
La fonctionnalité « Recommandations et mise en correspondance par IA » de Manatal gère ce processus au sein même du système de suivi des candidatures (ATS). Elle analyse les exigences d'une offre d'emploi, évalue les profils des candidats par rapport à celles-ci et met en avant les profils les plus adaptés grâce à la « Recherche avancée par IA », qui utilise un système de notation de pertinence à la fois sémantique et booléenne.
La qualité des correspondances dépend des données qui alimentent le système. C'est pourquoi l'enrichissement des profils candidats, qui harmonise les profils issus de sources publiques et des réseaux sociaux, est essentiel avant de procéder à toute évaluation.
L'évaluation commence par une correspondance de profil. Les meilleurs recruteurs s'appuient sur la liste restreinte classée par ordre de pertinence pour consacrer leur temps aux bons candidats, puis vérifient l'adéquation à l'aide de leur jugement et d'une évaluation des compétences. Une plateforme qui dissimule son système de notation ou qui fonctionne avec des données insuffisantes sur les candidats génère des correspondances qui semblent fiables, mais que vous ne pouvez pas justifier.
{{cta}}
Ce qu'apporte une plateforme de mise en relation des talents
Lorsque les données sont fiables et que le recruteur est tenu informé, les équipes font état de progrès dans trois domaines. L'intérêt économique se traduit par des résultats concrets. Selon la SHRM, 35 % des organisations qui privilégient les compétences lors du recrutement dépassent leurs objectifs financiers, contre 27 % de celles qui ne le font pas.[2]
- Rapidité et coûts : selon le rapport « L'avenir du recrutement » de LinkedIn, les équipes de recrutement qui s'appuient sur l'IA gagnent en moyenne 20 % de leur temps de travail hebdomadaire, même si la plupart réinvestissent ce gain de temps dans une sélection plus approfondie des candidats plutôt que dans la réduction des coûts globaux de recrutement.[3]
- Qualité de l'adéquation : l'étude de la SHRM axée sur les compétences montre que les compétences avérées constituent désormais le facteur principal dans les décisions d'embauche, devançant la formation, qui est passée à la sixième place.[2]
- Des présélections plus équitables : une enquête de Gartner a révélé que seuls environ 26 % des candidats font confiance à l'IA pour les évaluer de manière équitable ; l'évaluation humaine reste donc essentielle.[4]
Comment mettre en place un processus de mise en adéquation des talents basé sur l'IA
Un moteur de mise en correspondance ne fonctionne que si vous lui fournissez des données fiables et que vous vérifiez ses résultats. Une pile de démarrage « workable » associe un système de suivi des candidatures (ATS) doté d’un système de notation de pertinence basé sur l’IA, tel que Manatal, à des outils de sourcing comme LinkedIn Recruiter ou la plateforme de recrutementIndeed , des plateformes d’évaluation préalable à l’embauche telles que TestGorilla ou HackerRank, ainsi qu’un SIRH pour stocker les dossiers des employés en aval.
Suivez ces six étapes pour mettre en place un processus de mise en correspondance basé sur l'IA fiable et impliquant une intervention humaine.
Étape 1 : Élaborer une matrice de compétences structurée
Des descriptions de poste non structurées conduisent les algorithmes de mise en correspondance basés sur l'IA à mal interpréter les exigences. Définir dès le départ des critères clairs permet de s'assurer que le moteur évalue les candidats en fonction de paramètres opérationnels explicites plutôt que de formulations vagues.
Comment procéder : Définissez les paramètres de la demande de recrutement directement dans votre système de gestion des candidatures (ATS) ou votre outil de sourcing avant de lancer toute recherche de profils. Répartissez les critères en trois catégories distinctes :
- Compétences indispensables : prérequis techniques ou opérationnels stricts (par exemple, Python, licence Series 7).
- Compétences souhaitables : compétences appréciées qui améliorent le classement mais n'entraînent pas d'exclusion (par exemple, la certification AWS).
- Paramètres : limites explicites concernant l'ancienneté, le lieu de travail, le fuseau horaire et le mode de travail (à distance, hybride, sur site).
Enregistrez cette description de poste sous forme de modèle standardisé afin de garantir la cohérence des données pour les futures embauches.
Étape 2 : Importation et enrichissement des données relatives aux candidats
Une fois votre matrice de compétences structurée établie, vous avez besoin de données sur les candidats pour que l'algorithme puisse effectuer la mise en correspondance. Les algorithmes de mise en correspondance rencontrent des difficultés lorsqu'ils s'appuient uniquement sur des CV bruts et non formatés ou sur des fichiers PDF peu détaillés. L'importation de profils provenant de plusieurs canaux et l'enrichissement automatisé garantissent que le module de mise en correspondance évalue l'ensemble du parcours professionnel et les compétences actualisées.
Comment procéder : Importez les profils des candidats dans votre pipeline via trois canaux principaux :
- Connectez votre ATS directement à des plateformes de recrutement telles que LinkedIn Recruiter grâce à des intégrations API natives.
- Importez automatiquement les candidatures provenant de votre page Carrières et de sites agrégateurs d'offres d'emploi tels que Indeed .
- Importez des prospects passifs ou d'anciens candidats depuis votre base de données existante.
Activez les paramètres d'enrichissement automatique dans votre ATS ou votre moteur de gestion des talents afin de récupérer les informations manquantes dans les profils, les intitulés de poste mis à jour et les balises de compétences détaillées, de sorte que chaque profil soit formaté conformément à la matrice de compétences que vous avez créée à l'étape 1.
Étape 3 : Lancer le moteur de mise en correspondance et classer les candidats
Une fois votre matrice de compétences configurée et les profils de candidats enrichis importés lors des étapes 1 et 2, vous êtes prêt à générer des scores de correspondance. L'exécution du moteur de mise en correspondance permet d'isoler les profils les plus pertinents et de faire ressortir les candidats qualifiés que les filtres de mots-clés de base ne détectent pas.
Mode d’emploi : Activez la fonctionnalité de mise en correspondance par IA pour votre offre d’emploi cible dans votre ATS. La plateforme évalue chaque profil enrichi par rapport à vos critères structurés, et renvoie un score de pertinence chiffré (par exemple, 0 à 100 %) ainsi qu’une liste de candidats classés par ordre de pertinence. Filtrez la vue du pipeline en fonction de seuils de score, en vous concentrant dans un premier temps sur les candidats se situant dans le percentile supérieur, puis examinez les résumés de correspondance générés automatiquement qui expliquent en détail pourquoi chaque profil a obtenu un score élevé ou faible.
Étape 4 : Mise en place d'un contrôle humain et d'un audit des faux positifs
Afin de garantir la qualité du vivier de candidats, validez en interne les classements automatisés de l'étape 3 avant de transmettre les candidatures aux responsables du recrutement. Les algorithmes excellent dans la reconnaissance de schémas, mais ils peuvent mal interpréter les parcours atypiques, les interruptions de carrière ou les intitulés de poste ambigus. La vérification humaine permet d'éviter que des candidats qualifiés ne soient rejetés et de repérer rapidement les profils non adaptés.
Comment procéder : chargez un recruteur d'examiner individuellement les 20 à 30 correspondances les mieux classées de l'étape 3 à l'aide d'une liste de contrôle structurée :
- Vérifiez que les critères « indispensables » correspondent bien à ce qu'ils sont censés désigner (par exemple, en vous assurant que « Java » fait référence au langage de programmation et non à une marque de café).
- Remplacer les notes erronées ou les balises mal attribuées dans le système.
- Signalez les faux positifs et indiquez la raison précise de la disqualification dans les notes du profil.
Seuls les candidats qui réussissent cet audit humain passent à l'étape de la vérification technique.
Étape 5 : Valider les candidats présélectionnés au moyen d'évaluations de compétences
Une fois que vos recruteurs ont vérifié l'adéquation des candidats, sélectionnez la liste restreinte validée et faites passer ces candidats à l'étape de vérification des compétences. Les profils de CV et les scores de correspondance générés par l'IA ne mesurent que la pertinence des candidats. L'intégration de tests de compétences standardisés permet de s'assurer que les candidats les mieux adaptés possèdent les compétences pratiques requises pour le poste.
Comment procéder : déclenchez une invitation à passer une évaluation automatisée via des outils d’intégration tels que TestGorilla ou HackerRank, directement depuis le workflow de votre système de gestion des candidatures (ATS), lorsque vous faites passer les candidats ayant fait l’objet d’un examen humain de l’étape 4 à la phase « Présélectionnés ». Définissez des seuils de score minimaux en fonction des exigences du poste. Les candidats qui réussissent l’évaluation passent automatiquement à l’étape d’examen par le responsable du recrutement, tandis que ceux qui n’atteignent pas le seuil requis sont orientés vers une étape de rejet ou vers le vivier de talents.
Étape 6 : Enregistrer les retours d'information sur les décisions pour entraîner le moteur
Au fur et à mesure que les candidats passent les tests et que le processus aboutit aux décisions finales d'embauche, enregistrez chaque résultat afin de l'intégrer au système. Les moteurs de mise en correspondance basés sur l'IA s'appuient sur ces données pour affiner leurs recommandations futures. Si les recruteurs acceptent ou rejettent des recommandations sans en consigner les raisons, l'algorithme continue de reproduire des erreurs d'évaluation.
Mode d’emploi : imposez à l’ensemble de votre équipe de recrutement l’obligation d’attribuer un code de décision à chaque candidat retiré du processus de mise en correspondance, qu’il ait été rejeté à l’issue de l’audit humain de l’étape 4 ou après l’évaluation des compétences de l’étape 5. Lorsque vous rejetez un candidat, sélectionnez un code de motif structuré (par exemple, « Manque d’expérience requise dans le domaine », « Surqualifié », « Inadéquation géographique »). Lorsque vous faites passer un candidat à l’étape suivante, attribuez-lui des balises correspondant à ses principaux atouts. Ces retours d’information sont directement réinjectés dans votre plateforme de mise en correspondance, ce qui permet d’entraîner l’algorithme à affiner les classements futurs des candidats pour cette famille de postes. Synchronisez les étapes clés de l’embauche finale avec votre SIRH central afin de boucler la boucle du cycle de vie des talents.
Comment choisir une plateforme de mise en relation avec des talents
Les prestataires de ce secteur se distinguent davantage les uns des autres que ne le laissent entendre leurs campagnes marketing ; il convient donc d'examiner quelques critères concrets avant de vous engager.
- Adéquation des compétences : Vérifiez s'il s'agit d'une adéquation avec une véritable taxonomie des compétences ou simplement d'un recoupement de mots-clés.
- Transparence des notes : assurez-vous de bien comprendre les raisons pour lesquelles un candidat a obtenu le classement qui lui a été attribué.
- Couverture des données : évaluez dans quelle mesure elle permet d'enrichir les profils à partir de sources publiques et de réseaux sociaux.
- Intégrations : assurez-vous qu'il s'intègre à votre ATS et à votre SIRH existants.
- Conformité : renseignez-vous sur les audits visant à détecter les préjugés et sur l'accompagnement en matière de réglementation relative au recrutement.
- Adéquation avec le cas d'utilisation : déterminez si vous avez besoin d'une mise en correspondance des recrutements, d'une mobilité interne, ou des deux.
Par exemple, des plateformes telles que Gloat et Reejig sont axées sur la mobilité interne, tandis que les systèmes de mise en correspondance destinés au recrutement externe sont souvent intégrés à un système de gestion des candidatures (ATS) tel que Manatal.
Conclusion
Une plateforme de mise en correspondance des talents fait ses preuves lorsqu’elle transforme une base de données saturée en une présélection solide pour un poste spécifique. Veillez à la qualité des données d’entrée, laissez au recruteur le dernier mot et considérez le score comme une indication plutôt que comme un verdict. Partez d’un cahier des charges structuré et de données candidates fiables, et le classement s’avérera très utile. Découvrez comment Manatal évalue et classe les candidats par rapport à vos postes à pourvoir, grâce à la mise en correspondance par IA, à la recherche sémantique et à l'enrichissement des profils, le tout intégré dans un ATS convivial pour les recruteurs.
Questions fréquemment posées
Q : En quoi une plateforme de mise en relation de talents diffère-t-elle d'un système de gestion des candidatures ?
R : Un ATS permet d'organiser et de suivre les candidats tout au long de votre processus de recrutement, tandis qu'une plateforme de mise en correspondance des talents y ajoute une fonctionnalité d'évaluation et de classement basée sur l'IA. De nombreux systèmes modernes combinent ces deux fonctionnalités ; Manatal, par exemple, intègre la mise en correspondance au sein même de son ATS.
Q : Existe-t-il des plateformes gratuites d'IA dédiées à la mise en relation entre talents et entreprises ?
R : Bien que les logiciels de mise en correspondance par IA dotés de toutes les fonctionnalités nécessitent généralement un abonnement payant, les meilleures plateformes proposent des essais sans engagement permettant d’évaluer leurs moteurs sur des données réelles de candidats. Manatal offre un essai gratuit de 14 jours avec un accès complet à son moteur de recommandation par IA, ce qui vous permet de tester la notation automatisée des candidats et l’analyse des CV sans avoir à fournir de carte bancaire. Les équipes de recrutement peuvent ainsi vérifier avec quelle précision l’IA extrait les exigences du poste et classe les candidats du vivier par rapport aux postes à pourvoir avant de s’engager dans un forfait.
Q : Quel est le degré de précision de la mise en correspondance des candidats par l'IA ?
R : La précision de la mise en correspondance dépend de la capacité d’une plateforme à évaluer efficacement le contexte, plutôt que de se fier à une simple correspondance de mots-clés, souvent peu fiable. Le moteur de recommandation basé sur l’IA de Manatal utilise la correspondance sémantique pour analyser les équivalences de compétences, évaluer les candidats par rapport aux descriptions de poste tout en fournissant une ventilation transparente des exigences. Les recruteurs peuvent encore affiner cette précision en définissant des critères obligatoires et des critères souhaités, et en personnalisant la pondération des compétences, de l’expérience et de la formation afin d’aligner les classements sur les priorités exactes de recrutement.
Q : Le recours à l'IA pour la mise en adéquation des profils est-il légal et conforme à la législation en matière d'embauche ?
R : C'est possible, mais la réglementation se durcit. Aux États-Unis, les directives de l'EEOC appliquent la loi anti-discrimination du Titre VII aux processus de sélection basés sur l'IA, et la loi locale n° 144 de la ville de New York impose la réalisation d'audits indépendants visant à détecter les biais dans les outils de recrutement automatisés. La loi européenne sur l'IA (EU AI Act) considère l'IA appliquée au recrutement comme présentant un risque élevé ; il est donc nécessaire de maintenir une intervention humaine dans le processus et de documenter les décisions prises.
Q : Sur quelles données une plateforme de mise en relation de talents s'appuie-t-elle pour établir des correspondances ?
R : Il combine les CV, les données structurées sur les compétences, les informations issues des profils publics et des réseaux sociaux, ainsi que les exigences du poste. Le système d'enrichissement des profils de candidats de Manatal, par exemple, puise dans plus de 20 plateformes publiques et réseaux sociaux pour compléter chaque profil avant de procéder à l'évaluation.
Citations
.webp)
.webp)
.webp){kind=logo}
.webp)
