Pourquoi le keyword stuffing fonctionne sur les ATS traditionnels
Tous les systèmes de suivi des candidatures actuels reposent sur une forme de correspondance au niveau des tokens comme couche de classement. Même lorsque le marketing vante de l'« IA », l'implémentation se résume généralement à l'une de ces trois approches : extraction booléenne de mots-clés, correspondance pondérée TF-IDF ou similarité sémantique via des embeddings de phrases. Ces trois méthodes partagent la même faille structurelle : elles sont déterministes. Un candidat qui connaît les règles peut produire de façon fiable le résultat souhaité, indépendamment de sa réelle adéquation au poste.
Les recherches de Jobscan documentent l'ampleur du phénomène, et l'étude de la Harvard Business School sur les candidats invisibles estime que 27 millions de Américains qualifiés sont rejetés par le tri automatisé pour des raisons sans rapport avec leurs compétences.
Les quatre méthodes des candidats pour tromper le système
- Texte blanc invisible. Un bloc de mots-clés saisis en blanc en bas de page, invisible pour le recruteur mais parfaitement lisible par un analyseur syntaxique.
- Sections de compétences dupliquées. La section compétences apparaît deux ou trois fois avec des variantes mineures.
- Copier-coller de l'offre dans le résumé. Le candidat recopie mot pour mot le premier paragraphe de l'offre d'emploi dans le résumé de son CV.
- Réécriture des puces pour correspondre aux mots-clés. Une puce réelle est reformulée pour refléter l'offre avec davantage de termes techniques.
Pourquoi un « meilleur modèle de mots-clés » ne résout rien
Les éditeurs qui identifient ce problème de bourrage de mots-clés tentent généralement de le corriger avec un modèle plus avancé. Ils ajoutent des filtres de stop-words, de la similarité sémantique, du matching basé sur BERT, des résumés générés par GPT-4. Le problème, c'est que tous ces modèles continuent de lire des tokens.
La solution n'est pas un meilleur modèle de mots-clés. La solution est de cesser de classer uniquement sur la base des mots-clés. L'algorithme doit évaluer des résultats concrets — des éléments que le candidat devrait inventer de toutes pièces pour falsifier — et non des tokens.
Ce que nous avons appris chez Amazon sur les entrées adverses
Avant CurriculoATS, le fondateur a passé plusieurs années chez Amazon à travailler sur la recherche et les recommandations. Les entrées adverses y sont un problème ancien. L'approche qui fonctionnait consistait à classer selon des signaux que le vendeur ne pouvait pas directement fabriquer—véritables données d'achat, véritables taux de retour, modèles d'avis vérifiés.
Le recrutement fonctionne de la même manière. Le candidat peut écrire tous les mots-clés qu'il veut ; l'algorithme doit lire autre chose. Plus précisément, le système analyse les CV selon quatre catégories de résultats : le chiffre d'affaires, les équipes, les systèmes et les problèmes. Le modèle génère un score composite de 0–100 accompagné d'un raisonnement écrit qui cite des résultats spécifiques identifiés.
Les données que nous observons sur les taux de bourrage par poste et par séniorité
Les taux de keyword stuffing varient fortement selon le poste et le niveau de séniorité. Les ingénieurs seniors et les chefs de produit seniors y recourent le plus souvent, car ils ont postulé au plus grand nombre d'offres et ont appris ces schémas. Le taux de bourrage observé sur un échantillon de candidats ingénieurs backend seniors tournait autour de 38 %, le schéma le plus courant étant une section compétences dupliquée combinée à des puces calquées sur l'offre. Pour les PM seniors, le taux était d'environ 31 %.
Le filtrage traditionnel par mots-clés promeut systématiquement les candidats qui postulent le plus plutôt que les plus qualifiés, et le taux de inadéquation est précisément le plus élevé dans les tranches de séniorité où les fondateurs ont le plus besoin d'un signal fiable.
Ce qu'un fondateur peut faire cette semaine
Si vous pensez que le keyword stuffing pollue votre présélection, trois vérifications rapides vous le confirmeront :
- Ouvrez les cinq meilleurs CV dans votre ATS actuel et sélectionnez tout le texte. Si du texte blanc caché apparaît, le candidat pratique le bourrage.
- Comparez la section expérience du CV avec la section compétences. Si la liste de compétences mentionne de nombreuses technologies mais que l'expérience n'en couvre que quelques-unes, le reste relève du bourrage.
- Vérifiez si le résumé du CV calque trop étroitement l'offre d'emploi.