L'essentiel sur l'ATS IA matching recrutement pour ETI
Pour une ETI avec 180 offres/an et 2 recruteurs internes, chaque offre génère en moyenne 180 candidatures (APEC 2024) — soit 6 à 12 heures de présélection manuelle par recruteur par offre. Un ATS avec IA de matching sémantique réduit ce temps de 74 % et améliore la diversité des candidats retenus de 31 % en éliminant les biais liés au keyword matching basique des ATS traditionnels.
Depuis le 2 août 2026, l'AI Act classe les systèmes IA utilisés pour le recrutement ou l'accès à l'emploi en catégorie haut risque (Annexe III, catégorie 4, Règlement UE 2024/1689). Les obligations sont précises : documentation technique Annexe IV, notice information candidat Article 13, droit d'explication Article 86, supervision humaine obligatoire avant toute décision finale, traçabilité des décisions. Un ATS avec scoring IA non documenté expose l'ETI à des sanctions CNIL et à une invalidation de ses procédures de recrutement.
Solution Nehos : ATS NestJS + Next.js 15 sur-mesure, Payload CMS pour la gestion des offres, Mistral OCR + NER pour le parsing CV (PDF, Word, LinkedIn PDF export), modèle de scoring multi-critères avec SHAP values pour l'explainability, consolidation automatique de 6 sources de candidatures, workflow collaboratif recruteur configurable, RGPD candidats complet (consentement granulaire, droit à l'effacement en 1 clic, export portabilité CSV).
Cas référence Nehos 2025 : ETI 500 collaborateurs, 180 offres/an, ATS Workday jugé trop coûteux, présélection manuelle 8h/offre, zéro documentation AI Act. Après déploiement : -74 % temps présélection, +31 % diversité entretiens, audit AI Act validé par cabinet juridique partenaire, 6 sources automatisées opérationnelles. Budget total : 412 k€ HT.
ATS IA matching recrutement — Cas d'usage Nehos
ETI 500 collaborateurs, 180 offres/an, 2 recruteurs internes. ATS sur-mesure avec IA de matching sémantique, parsing CV Mistral OCR, scoring SHAP-explainable et conformité AI Act Annexe III catégorie 4. Résultat : -74 % temps de présélection, +31 % diversité candidats retenus, 6 sources consolidées automatiquement.
Adapté à toute taille de structure
Les services RH d'ETI française (200 à 2 000 collaborateurs) traitent en moyenne 180 candidatures par offre d'emploi selon le Baromètre Recrutement Cadres APEC 2024. Pour 2 recruteurs internes gérant 180 offres/an, c'est 6 à 12 heures de présélection manuelle par offre — soit 1 080 à 2 160 heures/an consacrées au seul tri des CV, avant tout entretien. Les ATS traditionnels du marché (Workday Recruiting, SAP SuccessFactors Recruiting) reposent sur un keyword matching basique : ils éliminent les candidats dont le CV ne contient pas les mots-clés exacts de l'offre, produisant un taux élevé de faux négatifs — des profils compétents rejetés faute des bons termes. Ce biais de formulation se cumule aux biais inconscients des recruteurs. Les études DARES 2023 sur les CV anonymisés (sans prénom, sans photo) montrent que la diversité des candidats convoqués en entretien augmente de 25 % dès lors que l'évaluation se base sur les compétences réelles plutôt que sur des signaux identitaires ou de présentation. Depuis le 2 août 2026, l'AI Act Règlement (UE) 2024/1689 place les systèmes IA utilisés pour le recrutement ou l'accès à l'emploi en Annexe III catégorie 4 — classification haut risque. Les obligations qui en découlent (Articles 9 à 15) sont précises et contraignantes : système de gestion du risque documenté, données d'entraînement tracées, documentation technique Annexe IV complète, notice information candidat Article 13 implémentée avant collecte, droit d'explication Article 86 accessible, supervision humaine obligatoire avant toute décision affectant un candidat, log des décisions conservé. Un ATS avec scoring IA non documenté expose l'ETI à des sanctions CNIL et à l'invalidation juridique de ses procédures de recrutement. Sur le volet RGPD, les données candidats sont souvent mal maîtrisées : bases légales du traitement floues (intérêt légitime vs consentement), durées de conservation non définies (6 mois ? 2 ans ?), droit à l'effacement non opérationnel, sous-traitants IA sans DPA formalisé. La fragmentation des canaux ajoute une couche de complexité opérationnelle : candidatures LinkedIn Recruiter, Indeed XML, APEC, formulaire site carrière, emails directs, cooptation interne — chaque source arrive dans un silo distinct, consolidée manuellement dans des tableurs, avec des risques de doublons et de perte de candidatures.
L'ATS Nehos est construit sur une stack NestJS (backend API) + Next.js 15 (interface recruteur) + Payload CMS (gestion des offres d'emploi, publication multicanale). L'architecture est découplée : chaque composant est remplaçable indépendamment, sans lock-in propriétaire. Le parsing CV repose sur Mistral OCR pour l'extraction des textes depuis les formats PDF, Word et LinkedIn PDF export, combiné à un pipeline NER (Named Entity Recognition) qui structure les données brutes en entités typées : expériences professionnelles (entreprise, poste, dates, durée), compétences techniques et soft skills, formations (diplômes, certifications), localisation, prétentions salariales quand présentes. Le résultat est un profil candidat JSON structuré, stocké en base de données, interrogeable sémantiquement. Le modèle de scoring IA évalue chaque candidat sur 4 dimensions pondérables par le recruteur : adéquation sémantique des compétences (embedding vectoriel du profil vs embedding de l'offre), profondeur et pertinence des expériences, critères géographiques et mobilité déclarée, signaux complémentaires configurables (certifications, langues, secteurs). Le score produit est sur 100, expliqué par des SHAP values qui identifient les 3 à 5 facteurs ayant le plus contribué au score — positifs et négatifs. Le recruteur voit non pas un score opaque mais une explication lisible : 'Compétences NestJS et React très alignées (+18 pts), expérience secteur RH insuffisante (-7 pts), localisation compatible (+5 pts).' Cette explainability est à la fois une valeur métier (le recruteur comprend et peut corriger) et une obligation légale (Article 86 AI Act, droit d'explication du candidat). La conformité AI Act haut risque est documentée intégralement : système de gestion du risque Article 9 avec registre des risques identifiés et mesures d'atténuation, traçabilité des données d'entraînement Article 10, documentation technique Annexe IV livrable PDF, notice information candidat Article 13 implémentée dans le formulaire de candidature avant toute collecte de données, supervision humaine systématique — aucune décision d'élimination ou de convocation ne peut être prise par le seul algorithme, le recruteur valide chaque décision finale avec log horodaté, droit d'explication Article 86 accessible au candidat sur demande dans les 72 heures. La consolidation multi-sources unifie automatiquement 6 canaux via webhooks LinkedIn Recruiter, flux Indeed XML, API APEC, scraping du formulaire carrière, email parsing (IMAP + règles d'extraction), module cooptation interne. Un algorithme de déduplication par similarité de profil (nom + email + téléphone + hash CV) évite les doublons. Toutes les candidatures arrivent dans un pipeline unifié avec source taggée. Le workflow collaboratif est configurable par offre : étapes personnalisables (présélection IA → qualification téléphonique → entretien RH → entretien manager → décision), attribution par recruteur, notes et commentaires internes, scoring qualitatif manuel du recruteur (1-5 étoiles) qui se combine au score IA sans l'écraser. Le recruteur reste maître du processus — l'IA est un filtre d'aide à la décision, pas un décideur. Le module RGPD candidats couvre : consentement granulaire par finalité (traitement de la candidature, mise en vivier, partage interne), durée de conservation configurable par type (candidature active 6 mois, vivier 2 ans, recrutement réussi 5 ans selon obligations légales), droit à l'effacement en 1 clic avec purge automatique dans tous les modules, export portabilité CSV conforme Article 20 RGPD, DPA sous-traitants IA (Mistral, hébergeur) formalisé et accessible.
-74 %
Temps de présélection CV réduit (ETI 500 collaborateurs, 180 offres/an, 2 recruteurs internes — mesuré 6 mois post go-live, client Nehos 2025)
+31 %
Diversité des candidats retenus en entretien (biais réduit via scoring sémantique vs keyword matching ATS traditionnel — mesuré sur 180 offres, 6 mois)
AI Act compliant
Audit Annexe IV complet livré, notice candidats Article 13 implémentée, supervision humaine obligatoire en place — validé cabinet juridique partenaire
6 sources
Canaux de candidatures consolidés automatiquement : LinkedIn Recruiter, Indeed, APEC, site carrière, email, cooptation — zéro saisie manuelle
#Le probleme : gestion du risque documenté
Le diagnostic est clair : Les services RH d'ETI française (200 à 2 000 collaborateurs) traitent en moyenne 180 candidatures par offre d'emploi selon le Baromètre Recrutement Cadres APEC 2024. Pour 2 recruteurs internes gérant 180 offres/an, c'est 6 à 12 heures de présélection manuelle par offre — soit 1 080 à 2 160 heures/an consacrées au seul tri des CV, avant tout entretien. Les ATS traditionnels du marché (Workday Recruiting, SAP SuccessFactors Recruiting) reposent sur un keyword matching basique : ils éliminent les candidats dont le CV ne contient pas les mots-clés exacts de l'offre, produisant un taux élevé de faux négatifs — des profils compétents rejetés faute des bons termes. Ce biais de formulation se cumule aux biais inconscients des recruteurs. Les études DARES 2023 sur les CV anonymisés (sans prénom, sans photo) montrent que la diversité des candidats convoqués en entretien augmente de 25 % dès lors que l'évaluation se base sur les compétences réelles plutôt que sur des signaux identitaires ou de présentation. Depuis le 2 août 2026, l'AI Act Règlement (UE) 2024/1689 place les systèmes IA utilisés pour le recrutement ou l'accès à l'emploi en Annexe III catégorie 4 — classification haut risque. Les obligations qui en découlent (Articles 9 à 15) sont précises et contraignantes : système de gestion du risque documenté, données d'entraînement tracées, documentation technique Annexe IV complète, notice information candidat Article 13 implémentée avant collecte, droit d'explication Article 86 accessible, supervision humaine obligatoire avant toute décision affectant un candidat, log des décisions conservé. Un ATS avec scoring IA non documenté expose l'ETI à des sanctions CNIL et à l'invalidation juridique de ses procédures de recrutement. Sur le volet RGPD, les données candidats sont souvent mal maîtrisées : bases légales du traitement floues (intérêt légitime vs consentement), durées de conservation non définies (6 mois ? 2 ans ?), droit à l'effacement non opérationnel, sous-traitants IA sans DPA formalisé. La fragmentation des canaux ajoute une couche de complexité opérationnelle : candidatures LinkedIn Recruiter, Indeed XML, APEC, formulaire site carrière, emails directs, cooptation interne — chaque source arrive dans un silo distinct, consolidée manuellement dans des tableurs, avec des risques de doublons et de perte de candidatures.
Resultat direct : des equipes mobilisees sur des taches a faible valeur, des couts qui s'accumulent sans visibilite, et un retard qui se creuse face aux acteurs deja equipes.
Pour approfondir ce sujet, consultez notre page conformite AI Act systeme recrutement.
#Notre approche en 4 phases
L'ATS Nehos est construit sur une stack NestJS (backend API) + Next.js 15 (interface recruteur) + Payload CMS (gestion des offres d'emploi, publication multicanale). L'architecture est découplée : chaque composant est remplaçable indépendamment, sans lock-in propriétaire. Le parsing CV repose sur Mistral OCR pour l'extraction des textes depuis les formats PDF, Word et LinkedIn PDF export, combiné à un pipeline NER (Named Entity Recognition) qui structure les données brutes en entités typées : expériences professionnelles (entreprise, poste, dates, durée), compétences techniques et soft skills, formations (diplômes, certifications), localisation, prétentions salariales quand présentes.
#Phase 1 — Audit recrutement et qualification AI Act (2 semaines)
Cartographier les sources de candidatures existantes, auditer l'ATS actuel (ou l'absence d'ATS), qualifier le niveau de risque AI Act selon l'Annexe III catégorie 4, vérifier les bases légales RGPD pour le traitement des données candidats.
#Phase 2 — Déploiement parsing CV et pipeline d'ingestion (4 semaines)
Mettre en place Mistral OCR + NER pour l'extraction structurée des CV (PDF, Word, LinkedIn PDF export), connecter les webhooks des sources de candidatures (LinkedIn Recruiter, Indeed XML, APEC, site carrière, email, cooptation), valider la qualité du parsing sur 200+ CV tests.
Point cle : Le modèle de scoring IA évalue chaque candidat sur 4 dimensions pondérables par le recruteur : adéquation sémantique des compétences (embedding vectoriel du profil vs embedding de l'offre), profondeur et pertinence des expériences, critères géographiques et mobilité déclarée, signaux complémentaires configurables (certifications, langues, secteurs).
#Phase 3 — Modèle de matching et conformité AI Act (4 semaines)
Entraîner le modèle de scoring multi-critères (sémantique compétences + expérience + localisation + mobilité), intégrer les SHAP values pour l'explainability, produire la documentation technique Annexe IV, implémenter la notice candidat Article 13 et les mécanismes de supervision humaine obligatoire.
#Phase 4 — Go-live, workflow collaboratif et RGPD (2-4 semaines)
Déployer le workflow recruteur (présélection IA → entretien téléphonique → entretien RH → décision), activer les fonctions RGPD (consentement granulaire, durée conservation configurable, droit à l'effacement en 1 clic, export portabilité CSV), former les recruteurs, mesurer le ROI à 90 jours.
Point cle : Le recruteur voit non pas un score opaque mais une explication lisible : 'Compétences NestJS et React très alignées (+18 pts), expérience secteur RH insuffisante (-7 pts), localisation compatible (+5 pts).' Cette explainability est à la fois une valeur métier (le recruteur comprend et peut corriger) et une obligation légale (Article 86 AI Act, droit d'explication du candidat).
On s'appuie sur notre OCR parsing CV Mistral pour cadrer chaque etape.
#Resultats mesures
Les resultats parlent mieux que les promesses.
| Indicateur | Resultat | Source |
|---|---|---|
| -74 % | Temps de présélection CV réduit (ETI 500 collaborateurs, 180 offres/an, 2 recruteurs internes — mesuré 6 mois post go... | Cas client Nehos 2025 (2025) |
| +31 % | Diversité des candidats retenus en entretien (biais réduit via scoring sémantique vs keyword matching ATS traditionne... | Cas client Nehos 2025 (2025) |
| AI Act compliant | Audit Annexe IV complet livré, notice candidats Article 13 implémentée, supervision humaine obligatoire en place — va... | Audit juridique cabinet partenaire (2025) |
| 6 sources | Canaux de candidatures consolidés automatiquement : LinkedIn Recruiter, Indeed, APEC, site carrière, email, cooptatio... | Cas client Nehos 2025 (2025) |
#Ce que ces chiffres signifient
-74 % — Temps de présélection CV réduit (ETI 500 collaborateurs, 180 offres/an, 2 recruteurs internes — mesuré 6 mois post go-live, client Nehos 2025). C'est le chiffre principal, celui qui justifie l'investissement. Source : Cas client Nehos 2025.
+31 % — Diversité des candidats retenus en entretien (biais réduit via scoring sémantique vs keyword matching ATS traditionnel — mesuré sur 180 offres, 6 mois). Un indicateur complementaire qui confirme l'impact operationnel. Source : Cas client Nehos 2025.
AI Act compliant — Audit Annexe IV complet livré, notice candidats Article 13 implémentée, supervision humaine obligatoire en place — validé cabinet juridique partenaire. Source : Audit juridique cabinet partenaire.
#Cas client : ETI 500 collaborateurs
Partons d'un cas reel.
#Contexte
ETI 500 collaborateurs, secteur services B2B, 180 offres/an actives, 2 recruteurs internes. ATS Workday Recruiting en place mais jugé surdimensionné et trop coûteux (licence + intégration). Présélection CV 100 % manuelle : 8 heures par offre en moyenne. Zéro documentation AI Act (usage d'un outil de scoring IA tiers non documenté). Fragmentation totale des candidatures entre LinkedIn, Indeed, APEC et emails directs — consolidation tableur hebdomadaire.
#Le defi
Réduire drastiquement le temps de présélection sans dégrader la qualité des candidats retenus. Améliorer la représentation des profils diversifiés en entretien. Se conformer à l'AI Act avant l'échéance d'application août 2026 — risque juridique identifié par le DPO suite à l'usage d'un outil de scoring IA non documenté. Budget disponible : 412 k€ HT. Délai : 4 mois pour le go-live.
#Solution deployee
ATS sur-mesure NestJS + Next.js 15 + Payload CMS, déployé en 4 phases sur 14 semaines. Parsing CV : Mistral OCR + NER, support PDF/Word/LinkedIn PDF export. Modèle de matching multi-critères avec SHAP values pour l'explainability (score 0-100 + explication texte par candidat). Documentation AI Act complète : Annexe IV livrée en PDF, notice candidat Article 13 intégrée dans le formulaire de candidature, supervision humaine systématique avec log des décisions. Consolidation automatique de 6 sources de candidatures via webhooks et API. RGPD candidats complet : consentement granulaire, durée conservation configurable, droit à l'effacement en 1 clic, export portabilité CSV, DPA sous-traitants formalisé.
#Resultats obtenus
-74 % temps de présélection mesuré à 6 mois post go-live (de 8h/offre à 2h10/offre). +31 % diversité des candidats convoqués en entretien vs période précédente (180 offres comparées). Audit AI Act validé par le cabinet juridique partenaire — conformité Annexe III catégorie 4 documentée. 6 sources de candidatures automatisées, zéro saisie manuelle, 0 doublon depuis go-live. Budget tenu :51 8 320 € HT final.
Decouvrez aussi notre RGPD donnees candidats.
#Pourquoi Nehos pour ats recrutement ia
Nehos n'est pas un prestataire generique. On est une equipe technique qui comprend votre metier.
Expertise sectorielle Cas d'usage — On connait les contraintes reglementaires, les outils metier, les workflows terrain. Souhail Tourjmen (Lead Dev IA — Expertise matching sémantique, NLP et conformité AI Act) pilote ce type de projet personnellement.
Approche ROI-First — On chiffre le retour avant de coder. Si le ROI n'est pas demontrable, on vous le dit. On a deja refuse des projets — et nos clients nous en remercient.
Stack maitrisee — NestJS, Next.js 15, Payload CMS, Mistral OCR, NER, SHAP values, embedding vectoriel, LinkedIn RSC, Indeed XML. Pas de dependance a un outil qu'on decouvre sur votre projet.
Accompagnement apres go-live — TMA, monitoring, evolution. On ne disparait pas apres la mise en production.
#Pour aller plus loin
Sources citees dans cet article :