Évaluer un CV par rapport à une offre d’emploi : ce que voit le modèle

Quand un recruteur dépose un CV dans EvalCV, un chiffre revient quelques secondes plus tard. Cet article raconte ce qui se passe entre-temps, et ce que le modèle voit ou ne voit pas.

Étape 1 : transformer un PDF en texte

Les CV arrivent sous forme de PDF, de fichiers Word et, parfois, d’images. Nous extrayons le texte en tenant compte de la mise en page, car les designs sur deux colonnes se lisent dans le mauvais ordre si l’on prend le flux de texte tel quel. Si l’extraction produit trop peu de texte, le CV est signalé pour une relecture humaine au lieu d’être évalué sur du vide.

Étape 2 : retirer les signaux qui ne devraient pas compter

Avant que quoi que ce soit n’atteigne le modèle, une étape de masquage retire les champs sans rapport avec le poste et corrélés à des caractéristiques protégées.

• Nom et photo
• Date de naissance et années de diplôme
• Adresse personnelle
• Situation matrimoniale et nationalité lorsqu’elles sont indiquées

La liste des champs retirés est stockée avec le résultat afin de pouvoir être auditée plus tard.

Étape 3 : lire l’offre d’emploi

L’offre d’emploi est décomposée en critères distincts, chacun marqué comme requis ou souhaité. Les recruteurs peuvent modifier cette liste avant toute évaluation, ce qui compte : le score ne vaut que ce que valent les critères sur lesquels il est mesuré.

Pourquoi des critères et non des résultats passés

Nous n’entraînons pas le modèle sur les personnes recrutées auparavant. Un modèle qui apprend des décisions passées hérite de leurs schémas. Évaluer par rapport à des critères écrits est moins sophistiqué et beaucoup plus facile à expliquer.

Étape 4 : faire correspondre avec des preuves

Pour chaque critère, le modèle doit soit citer une ligne du CV qui l’étaye, soit le marquer comme manquant. Une correspondance sans citation est écartée.

{
  "requirement": "PostgreSQL",
  "status": "matched",
  "quote": "Tuned slow queries on a 2 TB PostgreSQL cluster"
}

C’est cette étape qui rend un score vérifiable. Un recruteur peut lire la citation et décider si elle satisfait réellement le critère.

Étape 5 : combiner en un score

Les critères requis satisfaits pèsent plus lourd que les critères souhaités, et les critères requis manquants sont mis en évidence au lieu d’être dilués dans une moyenne. Le chiffre final n’est qu’un résumé. Les listes de critères satisfaits et manquants sont le vrai résultat.

Là où ça se passe mal

• L’expérience implicite. Un CV qui dit « a dirigé une équipe de cinq personnes » ne dit pas « a managé des personnes », et le modèle peut manquer le lien.
• Les formats inhabituels. Les CV très travaillés graphiquement perdent leur structure à l’extraction.
• Les offres d’emploi vagues. Des critères vagues produisent des correspondances vagues.

L’humain garde la main

EvalCV produit une présélection et les raisons qui la justifient. Il ne rejette personne de lui-même. Chaque résultat peut être modifié, et les modifications sont consignées, ce qui nous indique aussi où le pipeline se trompe.