Fonctionnalité
Bien plus qu'une simple correspondance de mots-clés. CurriculoATS combine recherche textuelle, vecteurs sémantiques, extraction d'entités et classement par LLM pour trouver exactement le bon candidat.
Traitement IA
Du CV brut à l'intelligence structurée
Chaque CV téléversé dans CurriculoATS passe par un pipeline IA multi-étapes qui extrait, évalue et indexe les données du candidat.
1Analyse de CV
L'IA extrait les données structurées des PDF de CV : nom du candidat, e-mail, expérience professionnelle (entreprise, poste, dates, descriptions), formation (établissement, diplôme, dates) et compétences. Aucune saisie manuelle requise.
2Score de pertinence
Chaque candidat reçoit un score de pertinence généré par IA, de 0 à 100 %, accompagné d'une explication écrite justifiant l'attribution de ce score. Ce score évalue l'adéquation avec les exigences du poste, et non pas seulement la superposition de mots-clés.
3Résumé IA et auto-tags
Un résumé concis généré par l'IA met en avant les points forts et les qualifications clés du candidat. Des auto-tags sont appliqués en fonction des compétences extraites, du niveau d'expérience et du secteur, rendant le filtrage instantané.
4Récupération du pipeline
Si une étape du traitement IA échoue (délai réseau dépassé, erreur de modèle), le pipeline relance automatiquement. Les candidats dont le traitement a échoué sont placés en file d'attente pour un nouveau traitement, afin que rien ne reste bloqué dans un état d'erreur.
Infrastructure de recherche
Vecteurs, entités et compréhension sémantique
Embeddings vectoriels
Chaque CV est converti en un embedding vectoriel à 384 dimensions via pgvector. Cela capture le sens sémantique de l'ensemble du document, de sorte qu'une recherche sur « backend engineer » trouve également les candidats qui se décrivent comme « server-side developer » ou « API architect ».
Embeddings par section
Au-delà de l'embedding global du CV, des vecteurs distincts sont générés pour chaque section : expérience, formation et compétences. Cela permet d'effectuer des recherches dans des sections spécifiques du CV pour des résultats plus précis.
Extraction d'entités
Les entités nommées sont extraites et classées en cinq types : SKILL (Python, React, SQL), COMPANY (Google, Stripe), ROLE (Senior Engineer, Product Manager), INSTITUTION (MIT, Stanford) et PROJECT (projets ou produits spécifiques). Ces entités alimentent les filtres de recherche structurée.
Recherche hybride
Quatre méthodes de recherche, un seul classement
CurriculoATS exécute quatre méthodes de recherche en parallèle et fusionne les résultats via le Reciprocal Rank Fusion (RRF) pour obtenir le meilleur classement possible.
TextRecherche plein texte dans le contenu du CV et les champs analysésSemanticRecherche de similarité vectorielle via les embeddings pgvectorEntityRecherche structurée sur les entités extraites SKILL, COMPANY, ROLELLMRe-classement par IA utilisant le jugement d'un LLM pour une pertinence affinéeClassement et filtrage
Reciprocal Rank Fusion et filtres style Gmail
Reciprocal Rank Fusion (RRF)
Chaque méthode de recherche produit sa propre liste classée. Le RRF combine ces listes en attribuant des scores basés sur la position dans le classement, et ce pour toutes les méthodes. Les candidats qui apparaissent en haut de plusieurs listes obtiennent le score final le plus élevé, même si aucune méthode ne les a classés numéro 1. Cela produit des résultats plus fiables que n'importe quelle approche de recherche utilisée seule.
Filtres de portée style Gmail
Affinez votre recherche avec des opérateurs de portée familiers : in:rejected pour chercher parmi les candidats rejetés, in:trash pour les candidats archivés, in:shortlisted pour votre sélection. Combinez-les avec n'importe quelle requête de recherche pour un filtrage rapide et précis dans tout votre vivier de candidats.
384Dimensions par embedding vectoriel5Types d'entités extraites par CV4-wayRecherche hybride avec fusion RRF$0Recherche IA incluse dans toutes les offresFAQ
Questions fréquentes
Qu'est-ce que la recherche sémantique et pourquoi est-elle importante ?
La recherche sémantique utilise des embeddings vectoriels pour comprendre le sens, pas seulement les mots-clés. Si vous recherchez « backend engineer », elle trouve aussi les candidats qui se décrivent comme « server-side developer » ou « API architect », car le sens est similaire même si les termes sont différents.
Qu'est-ce que le Reciprocal Rank Fusion (RRF) ?
Le RRF est un algorithme de classement qui combine les résultats de plusieurs méthodes de recherche. Au lieu de s'appuyer sur une seule approche, il fusionne les listes classées issues des recherches textuelle, sémantique, par entités et par LLM. Les candidats régulièrement bien classés across méthodes obtiennent la meilleure position finale.
Quels types d'entités sont extraits des CV ?
Cinq types : SKILL (langages de programmation, outils, frameworks), COMPANY (noms d'employeurs), ROLE (intitulés de poste), INSTITUTION (universités, certifications) et PROJECT (produits ou initiatives spécifiques sur lesquels le candidat a travaillé).
Que se passe-t-il si l'analyse du CV échoue ?
Le pipeline relance automatiquement les traitements échoués. Si un CV ne peut toujours pas être analysé après les relances, il est signalé pour révision manuelle. Le profil du candidat est tout de même créé, mais les données extraites par l'IA ne seront pas disponibles tant que le problème n'est pas résolu.
La recherche IA est-elle incluse dans l'offre gratuite ?
Oui. L'analyse de CV, le score de pertinence, les embeddings vectoriels, l'extraction d'entités et la recherche hybride sont toutes incluses dans chaque offre, y compris dans l'offre gratuite Starter.