Ce que les recruteurs lisent dans les 7 premières secondes
Les recruteurs ne lisent pas les CV. Ils les scannent, et ce scan est structuré par la cognition visuelle bien plus que par la stratégie de contenu. L'étude de Ladders a révélé que les recruteurs expérimentés consacrent en moyenne 7,4 secondes à la première lecture, se fixant sur six points d'ancrage de la page. Les signaux qu'ils extraient de ce scan ne sont pas des mots-clés. Il s'agit de : la pertinence du poste le plus récent par rapport à l'offre d'emploi, le schéma de durée (cette personne est-elle restée assez longtemps pour produire des résultats ?), la trajectoire (chaque poste représente-t-il plus de responsabilités que le précédent ?) et la rigueur des diplômes et certifications (le CV montre-t-il que la personne l'a pris au sérieux ?). Les mots-clés sont le carburant qui permet à un CV de passer le filtrage automatisé, mais la décision d'embauche se prend au-dessus de la couche des mots-clés. C'est la brèche que la plupart des ATS ne parviennent pas à combler. Ils optimisent le rappel des mots-clés et remontent 200 « correspondances ». Le recruteur doit toujours effectuer le scan de 7 secondes, 200 fois. L'objectif d'un filtrage intelligent est de déplacer cette extraction de signaux en amont afin que le fondateur lise les 8 meilleurs candidats sur leurs mérites réels, et non sur leur densité de mots-clés.
Ce que la carte de fixation de Ladders révèle vraiment
Six points de fixation : le nom (en haut à gauche), le bloc titre-employeur-dates actuel, le bloc titre-employeur-dates précédent, la formation, et le coin en bas à droite où les puces contiennent parfois une réussite finale. Le milieu de la page n'a presque reçu aucune fixation. Les longues listes à puces ont été presque entièrement ignorées. Cela explique pourquoi un fondateur qui lit 30 CV d'affilée se forge des opinions tranchées bien qu'il n'ait lu moins de la moitié de chacun : le cerveau a réduit le CV à son squelette.
Pourquoi la correspondance de mots-clés est la mauvaise couche à optimiser
La plupart des anciens ATS utilisent la correspondance de mots-clés comme premier filtre. La description de poste contient « Python, AWS, systèmes distribués ». Le système scanne chaque CV à la recherche de ces termes et classe par fréquence. Cela repère les personnes qui ont effectivement ces compétences, mais aussi celles qui ont appris à tromper le filtre en bourrant le document de mots-clés. Cela passe à côté des personnes qui ont décrit les mêmes compétences avec d'autres termes. Un CV qui indique « réduit la latence d'inférence de 40 % sur le service de ranking en production » est objectivement plus pertinent qu'un CV qui liste « Python, AWS, ML » dans une compétence, mais un filtre de mots-clés les classe dans le mauvais ordre. La statistique popularisée par Jobscan selon laquelle 75 % des CV sont rejetés par les ATS est largement reprise, mais comme le souligne l'analyse sectorielle d'ERE, la méthodologie derrière ce chiffre est fragile. Le véritable point de défaillance est plus précis : les filtres de mots-clés rejettent les CV riches en contexte mais dépourvus des termes exacts, et remontent les CV pauvres en contexte qui les contiennent. La solution n'est pas de supprimer le filtre. C'est d'évaluer en dessous.
Les signaux qui prédisent réellement la performance
Quatre comptent, dans cet ordre : les réalisations quantifiées (chiffres, pourcentages, montants en dollars rattachés à des résultats), la pertinence de l'expérience (cette personne a-t-elle résolu des problèmes similaires à ceux pour lesquels nous recrutons ?), la trajectoire de carrière (les responsabilités augmentent-elles d'un poste à l'autre ?) et l'adéquation des compétences (les compétences nommées correspondent-elles au travail ?). Chacun de ces signaux peut être extrait d'un CV par un modèle qui lit le document comme le ferait un humain, et non comme un scanner de mots-clés. C'est ce que mesure le CurriculoATS Impact Scoring.
Ce que nous avons appris de la recherche Amazon et qui s'applique ici
Avant CurriculoATS, notre fondateur Dev a travaillé sur les systèmes de recherche et de recommandation d'Amazon. La leçon la plus directement transposable au recrutement : le rappel est facile, le classement est la partie difficile. L'index de recherche d'Amazon peut trouver un million de produits correspondant à une requête. Le travail de l'équipe produit est de s'assurer que les trois premiers sont les bons. Le filtrage de CV a la même structure. Sortir 300 CV contenant « product manager » est un script de cinq lignes. Retourner les huit qu'un senior PM voudra réellement passer au téléphone est le véritable défi d'ingénierie. Le scoring multi-signaux est la méthode qu'utilise Amazon pour classer ses produits, et la même approche, avec des signaux différents, classe les candidats. Nous donnons un poids important aux réalisations quantifiées car elles sont le meilleur indicateur qu'une personne a réellement livré du travail, et pas seulement porté un titre. Nous donnons du poids à la trajectoire de carrière, car une personne dont les responsabilités ont doublé deux fois en cinq ans est statistiquement un meilleur recrutement qu'une personne dont le titre est resté le même. Nous exposons le raisonnement pour que le fondateur puisse l'auditer.
Pourquoi le « signal » compte plus que le « mot-clé »
Un mot-clé est un terme. Un signal est un schéma qui corrobore des résultats. « Python » est un mot-clé. « A porté le service de ranking du prototype à 50M de requêtes quotidiennes » est un signal. Les deux peuvent figurer dans le même CV. Un seul vous dit s'il faut faire passer un entretien à la personne. Un fondateur qui examine les 8 meilleurs candidats issus d'un système de scoring basé sur les signaux consacre environ 30 secondes par candidat et prend une décision défendable. Un fondateur qui passe en revue les 8 meilleurs issus d'un système classant par mots-clés passe 5 minutes par candidat et doit quand même faire le travail que le filtre aurait dû accomplir.
Comment un fondateur peut lire un CV en 30 secondes
Le même schéma de regard mesuré par l'étude de Ladders peut être transformé en un cadre délibéré. Trois balayages, dans l'ordre, chacun durant quelques secondes.
- Le balayage de la trajectoire. Lisez uniquement les titres et les dates. Les postes deviennent-ils plus seniors ? Les durées sont-elles assez longues pour que la personne ait produit des résultats ? Le poste le plus récent est-il aligné avec ce que vous recherchez ?
- Le balayage des réalisations. Lisez uniquement les puces qui contiennent des chiffres. Cette personne a-t-elle produit des résultats mesurables ? Ces résultats sont-ils plausiblement imputables à elle ?
- Le balayage des éliminatoires. Cherchez les éléments qui disqualifieraient la personne : des trous inexpliqués, des changements de poste de moins de 9 mois, des compétences annoncées que le CV ne démontre pas.
Trois balayages, 30 secondes. Si le candidat passe les trois, il accède à l'entretien téléphonique. S'il échoue à l'un d'entre eux, vous pouvez passer au suivant. C'est exactement le cadre que CurriculoATS automatise lors de la première sélection, pour que vous n'ayez à le faire manuellement que pour les 10 meilleurs candidats.
Le meilleur signal unique sur un CV
S'il ne fallait garder qu'un seul signal et jeter tous les autres, nous garderions les réalisations quantifiées. Un CV avec cinq puces incluant des chiffres a objectivement plus de chances d'appartenir à quelqu'un qui produit des résultats qu'un CV avec quinze puces de pures responsabilités. La raison tient à la sélection : les personnes qui mesurent leurs résultats écrivent des CV qui mesurent les résultats. Ceux qui ne mesurent pas leurs résultats, non.