ATS IA matching recrutement — Cas d'usage Nehos
Une ETI, un volume d'offres important, quelques 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. L'objectif : réduire le temps de présélection, élargir la diversité des candidats convoqués et consolider les sources de candidatures automatiquement.
Nos clients types
Les services RH d'ETI française (200 à 2 000 collaborateurs) reçoivent de nombreuses candidatures par offre d'emploi. Pour quelques recruteurs internes qui gèrent plusieurs centaines d'offres par an, c'est des heures de présélection manuelle par offre, 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 travaux de la DARES sur les CV anonymes (sans prénom, sans photo) montrent que la diversité des candidats convoqués en entretien progresse lorsque 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.
À mesurer
temps de présélection des CV par offre, mesuré avant puis six mois après la mise en production
À mesurer
diversité des candidats convoqués en entretien, comparée à la période précédente (scoring sémantique et non plus keyword matching)
À valider
documentation Annexe IV, notice candidats Article 13 et supervision humaine documentées, à faire valider par votre conseil juridique
6 canaux
canaux de candidatures consolidés automatiquement : LinkedIn Recruiter, Indeed, APEC, site carrière, email, cooptation
#Le problème : gestion du risque documenté
Le diagnostic est clair : Les services RH d'ETI française (200 à 2 000 collaborateurs) reçoivent de nombreuses candidatures par offre d'emploi. Pour quelques recruteurs internes qui gèrent plusieurs centaines d'offres par an, c'est des heures de présélection manuelle par offre, 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 travaux de la DARES sur les CV anonymes (sans prénom, sans photo) montrent que la diversité des candidats convoqués en entretien progresse lorsque 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.
Résultat direct : des equipes mobilisées sur des taches a faible valeur, des coûts qui s'accumulent sans visibilité, et un retard qui se creuse face aux acteurs déjà equipes.
Pour approfondir ce sujet, consultez notre page conformité AI Act système 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 clé : 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 clé : 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 étape.
#Ce qu'on mesure
Nous ne publions pas de chiffres de résultats pour ce type de projet : chaque contexte est différent. Voici les indicateurs qu'on met en place dès le pilote pour décider, chiffres réels à l'appui, d'aller plus loin ou non.
| Indicateur | Ce qu'on regarde |
|---|---|
| Temps de présélection | temps de présélection des CV par offre, mesuré avant puis six mois après la mise en production |
| Diversité des candidats | diversité des candidats convoqués en entretien, comparée à la période précédente (scoring sémantique et non plus keyword matching) |
| Documentation AI Act | documentation Annexe IV, notice candidats Article 13 et supervision humaine documentées, à faire valider par votre conseil juridique |
| Sources consolidées | canaux de candidatures consolidés automatiquement : LinkedIn Recruiter, Indeed, APEC, site carrière, email, cooptation |
#Exemple de situation : ETI
Ce n'est pas une référence client : c'est une situation type, telle que nous la rencontrons dans ce secteur.
#Contexte
Une ETI des services B2B, avec de nombreuses offres actives et deux recruteurs internes. Un ATS Workday Recruiting est en place mais jugé surdimensionné et trop coûteux (licence et intégration). La présélection des CV est entièrement manuelle. Il n'existe aucune documentation AI Act, alors qu'un outil de scoring IA tiers est utilisé. Les candidatures sont fragmentées entre LinkedIn, Indeed, APEC et emails directs, consolidées chaque semaine dans un tableur.
#Le défi
Réduire sensiblement le temps de présélection sans dégrader la qualité des candidats retenus, améliorer la représentation des profils diversifiés en entretien et se mettre en conformité avec l'AI Act avant l'échéance d'application d'août 2026. Le DPO a identifié un risque juridique lié à l'usage d'un outil de scoring IA non documenté. Le délai visé pour le go-live est de quatre mois.
#Solution envisagée
Un ATS sur mesure NestJS, Next.js 15 et Payload CMS, déployé en quatre phases sur environ 14 semaines. Parsing des CV avec Mistral OCR et NER (PDF, Word, export LinkedIn). Modèle de matching multi-critères avec SHAP values pour l'explainability (score de 0 à 100 et explication texte par candidat).
Documentation AI Act complète : Annexe IV en PDF, notice candidat Article 13 dans le formulaire de candidature, supervision humaine systématique avec journal des décisions. Consolidation automatique de 6 sources de candidatures via webhooks et API. RGPD candidats : consentement granulaire, durée de conservation configurable, effacement en un clic, export de portabilité CSV et DPA sous-traitants.
#Ce qu'on mesure
On ne promet pas de chiffre. On suit le temps de présélection par offre, la diversité des candidats convoqués en entretien, le nombre de sources consolidées sans saisie manuelle et les doublons. La documentation AI Act est livrée et doit être validée par le conseil juridique de l'entreprise. Ces mesures, comparées à la situation de départ, servent à décider des évolutions.
#Pourquoi Nehos pour ats recrutement ia
Nehos n'est pas un prestataire générique. On est une equipe technique qui comprend votre métier.
Expertise sectorielle Cas d'usage — On connaît les contraintes réglementaires, les outils métier, 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 retour attendu n'est pas démontrable, on vous le dit avant de démarrer.
Stack maîtrisée — NestJS, Next.js 15, Payload CMS, Mistral OCR, NER, SHAP values, embedding vectoriel, LinkedIn RSC, Indeed XML. Pas de dépendance a un outil qu'on découvre sur votre projet.
Accompagnement après go-live — TMA, monitoring, evolution. On ne disparaît pas après la mise en production.
#Pour aller plus loin
- agent IA RH recrutement
- Payload CMS offres emploi
- guide AI Act recrutement
Sources citées dans cet article :
Questions & réponses
Questions fréquentes sur l'ATS IA matching recrutement et la conformité AI Act
Oui, sans ambiguïté. Le Règlement (UE) 2024/1689, dit AI Act, classe explicitement à l'Annexe III catégorie 4 les 'systèmes IA destinés à être utilisés pour le recrutement ou la sélection de personnes physiques, notamment pour la publication d'offres d'emploi ciblées, l'analyse ou le filtrage des candidatures, l'évaluation des candidats dans le cadre d'entretiens ou d'épreuves.' Cela couvre les ATS avec scoring IA, les outils d'analyse de CV automatisée, et les chatbots de présélection. Les obligations applicables sont les Articles 9 à 15 AI Act (gestion du risque, données, documentation technique Annexe IV, transparence candidat, supervision humaine, exactitude, robustesse). Depuis le 2 août 2026, une ETI utilisant un outil de scoring IA non documenté s'expose à des sanctions et à la contestation de ses procédures de recrutement. Voir notre guide AI Act recrutement.
La CNIL distingue deux cas. (1) Candidature non retenue : conservation possible jusqu'à 2 ans après le dernier contact avec le candidat, sous réserve de consentement explicite pour le maintien en vivier. Sans consentement, suppression à l'issue du processus de recrutement (généralement 6 mois). (2) Candidature retenue : les données intègrent le dossier RH avec les durées afférentes (5 ans après fin de contrat pour la majorité des pièces). Dans tous les cas : base légale explicite (intérêt légitime pour le traitement de la candidature, consentement pour le vivier), information candidat au moment de la collecte (Article 13 RGPD), droit à l'effacement opérationnel, DPA formalisé avec chaque sous-traitant IA traitant les données. L'ATS Nehos intègre une configuration de durée par type avec purge automatique et notification DPO.
Deux modes selon le canal. (1) LinkedIn Recruiter : intégration via LinkedIn Recruiter System Connect (RSC) — API officielle LinkedIn pour les ATS partenaires. Synchronisation bidirectionnelle des candidatures et des statuts (présélectionné, convoqué, refusé). Délai d'intégration : 3-4 semaines incluant validation LinkedIn. (2) Indeed : flux XML Indeed Apply — les candidatures soumises via Indeed sont poussées vers l'ATS via flux XML ou webhook selon la configuration du compte Indeed Employer. (3) APEC, site carrière, email : webhooks ou parsers dédiés, 1-2 semaines d'intégration chacun. (4) Cooptation interne : module formulaire intégré à l'interface recruteur, pas de dépendance externe. La déduplication automatique évite qu'un même candidat candidatant via 3 canaux crée 3 dossiers distincts.
Pour une ETI standard (200 à 1 000 collaborateurs, 50 à 300 offres/an), le calendrier Nehos en 4 phases : Phase 1 audit recrutement + qualification AI Act (2 semaines), Phase 2 parsing CV + pipeline d'ingestion sources (4 semaines), Phase 3 modèle de matching + documentation AI Act complète (4 semaines), Phase 4 go-live + workflow recruteur + RGPD + formation (2 à 4 semaines). Total : environ 12 à 14 semaines de la commande au go-live. Ce délai tient sous conditions : accès rapide aux crédentials des sources de candidatures existantes (LinkedIn Recruiter, Indeed), disponibilité d'un référent RH pour valider le paramétrage du scoring (pondérations, seuils d'élimination), validation juridique du DPO pour les notices RGPD.
C'est la question centrale, et la réponse courte est : l'algorithme peut amplifier les biais passés s'il est entraîné sur des données historiques de recrutement biaisées. Méthode Nehos pour limiter ce risque. (1) Le modèle de scoring Nehos n'est pas entraîné sur les décisions passées de l'ETI (qui pourraient reproduire des biais historiques). Il utilise un modèle de matching sémantique pré-entraîné sur des données sectorielles neutres, ajusté sur les compétences requises de l'offre — pas sur le profil des candidats précédemment recrutés. (2) Les SHAP values permettent au recruteur de détecter si un critère non pertinent (ex. nom de l'école pour un poste sans critère de diplôme) pèse anormalement dans le score. (3) Mesure de diversité intégrée : le dashboard recruteur affiche la distribution démographique déclarative des candidats présélectionnés vs rejetés. (4) Audit biais trimestriel recommandé — documentation Article 9 AI Act l'exige.
Non — si le workflow est bien conçu. La supervision humaine AI Act Article 14 impose que le système IA soit conçu de façon à permettre à un opérateur humain de surveiller efficacement et d'intervenir, voire d'invalider, chaque décision affectant un candidat. Dans l'ATS Nehos, cela se traduit par une étape de validation recruteur obligatoire avant toute action impactant le candidat (envoi de refus, convocation, mise en vivier). Le recruteur voit le score + l'explication SHAP + le résumé du profil, valide ou modifie en quelques secondes par candidat. Ce n'est pas un goulot d'étranglement : le tri IA a déjà réduit le volume à examiner. La supervision porte sur un volume humainement gérable — exactement le bénéfice recherché. Le log de validation est horodaté et conservé pour l'audit AI Act.