Le parsing de CV, technique de pointe née de l’avènement du numérique, constitue une rupture dans les pratiques ancestrales du recrutement. En permettant une analyse algorithmique fine des candidatures, cet outil vient bousculer les process jusqu’alors empreints d’empirisme et de subjectivité. Cette méthode innovante, bien que perçue comme déshumanisante par certains, mérite d’être explorée en profondeur tant elle recèle d’opportunités pour muscler l’efficience du sourcing.
Le parsing de CV, qu’est-ce que c’est ?
Le parsing de CV désigne un processus automatisé d’extraction et de structuration des données présentes dans les curriculum vitae.
Cette opération, effectuée par un système informatique, consiste à analyser de manière intelligente le contenu brut des CV et ce, qu’importe le format (texte, PDF ou autre).
L’objectif poursuivi repose sur l’identification précise des informations clés liées au profil du candidat :
- Données personnelles (nom, prénom, coordonnées).
- Formations académiques et diplômes.
- Expériences professionnelles et compétences.
- Centres d’intérêt et autres éléments pertinents.
Grâce à des algorithmes d’intelligence artificielle dédiés, les technologies de parsing sont à même de reconnaître, catégoriser et hiérarchiser avec une grande finesse l’ensemble de ces données.
Elles permettent in fine de convertir ces CV en un format structuré, exploitable et interrogeable par les systèmes de recrutement.
Comment fonctionne le parsing de CV dans le recrutement ?
Le parsing de CV s’appuie donc sur des techniques d’IA avancées pour extraire et structurer automatiquement les données contenues dans les CV. Dans le détail :
- Reconnaissance optique des caractères (OCR). L’OCR permet de convertir les CV papier ou formats image/PDF en données textuelles exploitables par les algorithmes.
- Pré-traitement du texte. Le texte brut est nettoyé (suppression des espaces superflus, caractères spéciaux, etc.) et segmenté en blocs logiques (expérience, formation, etc.) pour faciliter l’analyse ultérieure.
- Analyse linguistique. Des techniques de traitement automatique du langage naturel (TALN) sont appliquées (tokenisation (découpage en mots), lemmatisation (ramener les mots à leur forme canonique), étiquetage grammatical (nature des mots : noms, verbes, etc.) et analyse syntaxique (structure des phrases).
- Extraction d’entités nommées. Des modèles d’apprentissage machine spécifiques détectent et classent les entités ciblées : noms, lieux, diplômes, compétences, etc. Cette étape repose sur des algorithmes d’apprentissage supervisé ou non supervisé.
- Résolution de la coréférence. L’outil établit les liens entre les différentes occurrences d’une même entité pour éviter les doublons.
- Extraction de relations. Le système identifie les relations sémantiques entre les entités (ex : « obtenu en 2015 » lie un diplôme à une date).
- Construction de la base de connaissances. Toutes les données structurées sont stockées dans une base permettant d’accéder facilement à un CV donné ou d’exécuter des requêtes transversales.
Ainsi, grâce à ces techniques pointues combinant TALN, apprentissage machine et raisonnement sémantique, le parsing transforme des CV non structurés en données riches et interrogeables par les systèmes de recrutement.
Quelles différences avec le matching de CV ?
Une confusion récurrente existe entre le parsing et le matching de CV.
Le parsing, on l’a vu, vise à extraire et structurer les données des CV de manière automatique sans intervention humaine.
Le matching, lui, consiste à apparier ces données structurées avec les critères spécifiques d’une offre d’emploi donnée afin d’évaluer la pertinence des candidats.
Là où le parsing joue un rôle amont en constituant une base exploitable, le matching opère en aval au cœur du processus de présélection des profils.
De fait, le matching peut difficilement fonctionner sans une étape préalable de parsing robuste.
Les avantages et les inconvénients du parsing de CV
Les avantages
Le déploiement d’un système de parsing de CV au sein du processus de recrutement offre de multiples bénéfices tangibles :
- Réduction drastique des délais de recrutement. En automatisant l’extraction des données des CV, les équipes RH gagnent un temps précieux, évitant ainsi la revue manuelle fastidieuse des candidatures. Un gain de productivité significatif est réalisé sur cette étape amont cruciale.
- Amélioration de l’expérience candidat. Grâce à un traitement plus rapide, les candidats reçoivent des réponses dans des délais raccourcis, améliorant leur ressenti vis-à-vis du processus. Cette fluidité impacte positivement l’image employeur.
- Un recrutement plus qualifié. En croisant finement les critères des offres et les profils qualifiés, le parsing optimise la pertinence des présélections. Les recruteurs concentrent leurs efforts sur les meilleurs candidats.
- Constitution d’un vivier de talents. Les CV parsés alimentent une base de données pérenne (CVthèque), représentant un gisement de compétences réutilisables ultérieurement. Un atout pour répondre aux besoins futurs.
Indéniablement, le parsing représente un levier de performance RH majeur lorsqu’il est intégré efficacement dans la stratégie de sourcing des talents.
Les inconvénients
Bien que très utile, le parsing de CV n’est pas exempt de certains écueils qu’il convient d’anticiper pour en tirer tous les bénéfices :
- Risque de déshumanisation du processus. En automatisant une partie du traitement des candidatures, le parsing peut être perçu comme une forme de déshumanisation éloignant le candidat du recruteur. Un déficit d’empathie potentiellement préjudiciable à l’expérience.
- Reconduction des biais si mal paramétré. Les algorithmes ne sont pas exempts de biais intrinsèques liés aux données d’entraînement. Un paramétrage approximatif pourrait ainsi reconduire des discriminations indésirables (genre, âge, origines, etc.).
- Difficulté à traiter les profils atypiques. Par nature, le parsing se base sur des modèles standardisés de CV. Les candidatures sortant des sentiers battus (parcours non linéaires, compétences transverses, etc.) risquent d’être écartées, à tort.
- Passage à côté des « signaux faibles ». En rationalisant l’analyse, certains signaux plus subtils présents dans la forme des CV (créativité, authenticité, motivation) sont tout bonnement ignorés par les algorithmes.
C’est la raison pour laquelle on ne saurait que trop conseiller de garder une main humaine en amont/aval du processus de parsing.
Pour y voir clair, voici un résumé des avantages et inconvénients du parsing de CV :
Avantages | Inconvénients |
Réduction des délais de recrutement | Risque de déshumanisation du processus |
Amélioration de l’expérience candidat | Reconduction potentielle des biais si mal paramétré |
Recrutement plus qualifié et pertinent | Difficulté à traiter les profils atypiques hors normes |
Constitution d’un vivier de talents pérenne (CVthèque) | Passage à côté des « signaux faibles » non rationnels |
Comment choisir et mettre en œuvre une solution de parsing de CV ?
Vous êtes convaincu par le parsing de CV mais vous ne savez pas comment choisir la bonne solution ? En effet, le choix et le déploiement d’une solution de parsing de CV constituent une étape déterminante qui requiert une réflexion approfondie. Les principaux éléments à prendre en compte sont :
1️⃣ Définition du besoin et de la stratégie
L’étape initiale, préalable incontournable, exige de circonscrire avec précision les desseins poursuivis par l’implémentation d’une solution de parsing des curriculum vitae.
Cette mission vise-t-elle principalement à insuffler une accélération des processus de recrutement par l’automatisation de la phase de présélection ? Ou alors à constituer un vaste vivier de talents afin de pourvoir aux besoins futurs ?
Ces objectifs stratégiques, susceptibles d’être conjugués, se doivent d’être clairement établis.
Il est de surcroît impératif de cartographier en amont, dans les moindres détails, le processus de recrutement actuel. Cet état des lieux exhaustif permettra d’identifier les étapes chronophages et les goulots d’étranglement sur lesquels le parsing pourra avoir un impact substantiel.
Enfin, le choix de la solution technologique doit s’inscrire en parfaite cohésion avec la stratégie globale de sourcing des talents de l’entreprise.
2️⃣ Sélection de la solution idoine
Sur le marché foisonnant des solutions de parsing, l’opération de sélection peut s’avérer ardue. Il convient dans un premier chef d’évaluer de manière approfondie les performances tangibles des différents outils proposés, qu’il s’agisse de logiciels sur site, d’API à intégrer ou de solutions Cloud.
Leur aptitude à extraire avec une précision optimale les données clés des curriculum vitae, quel que soit le format de fichier ou la langue, constitue naturellement un critère différenciant majeur.
Par-delà les aspects fonctionnels, il est impérieux de prioriser l’ouverture, l’interopérabilité et l’évolutivité de la solution retenue pour faciliter son intégration harmonieuse au sein du système d’information RH existant ou à venir.
Enfin, une attention toute particulière se doit d’être portée aux enjeux de sécurité, de protection des données personnelles et de conformité au RGPD.
3️⃣ Préparation des données
À l’instar de tout projet d’intelligence artificielle, la qualité des données en entrée conditionne très largement la performance finale. Il est donc impératif de préparer méticuleusement les jeux de données nécessaires à l’entraînement des modèles de parsing.
Cette phase débute par un travail de nettoyage et d’unification des différents formats de curriculum vitae collectés (PDF, documents texte, images, etc.).
Pour les approches supervisées, un échantillon de ces données doit être annoté manuellement de façon à ce que le système puisse apprendre à identifier et catégoriser pertinemment les différentes entités clés (formations, expériences, compétences, etc.).
4️⃣ Configuration et tests
Une fois la solution déployée, la phase de configuration et de tests doit être menée avec rigueur et méthode.
Celle-ci implique dans un premier temps de paramétrer finement le système en définissant les langues supportées, les typologies de champs à extraire ou même les ontologies métiers à prendre en compte.
Il est également indispensable d’intégrer au sein de l’outil les différents référentiels et nomenclatures utilisés par l’entreprise pour la gestion des formations, des intitulés de postes ou des compétences techniques et comportementales.
5️⃣ Déploiement et suivi
La dernière étape, mais non des moindres, réside dans le déploiement à proprement parler de la solution au sein des processus de recrutement. Cette phase implique en amont un effort substantiel de formation des équipes RH à l’utilisation de l’outil et à l’appropriation des nouveaux procédés associés.
Plus largement, un accompagnement au changement concernant l’ensemble des acteurs impactés (opérationnels, managers, partenaires externes) s’impose pour assurer une adoption pérenne et durable.
Une fois la solution déployée, il faut définir et suivre des indicateurs permettant de monitorer dans la durée la performance effective du parsing (délais, qualité des données, gain de productivité, etc.).
L’adoption réussie du parsing de curriculum vitae ne se décrète pas mais se construit progressivement en impliquant toutes les parties prenantes de manière pragmatique 🙂
Les 3 points clés à retenir :
- Le déploiement réussi d’une solution de parsing de CV requiert une définition préalable claire des objectifs stratégiques poursuivis, qu’ils visent l’accélération des processus ou la constitution d’un vivier de talents.
- Le choix de la solution technologique la plus adaptée doit prioriser la performance, l’interopérabilité, l’évolutivité, ainsi que la sécurité et la conformité aux réglementations en vigueur.
- Une mise en œuvre rigoureuse impliquant la préparation des données, la configuration minutieuse, les tests approfondis, la formation des équipes et le suivi des indicateurs clés est indispensable pour maximiser les bénéfices du parsing.