Articles 
Utiliser la recherche sémantique pour transformer les recruteurs débutants en experts
Vous vous souvenez de Matrix ? Mais oui, ce film sur un avenir post-apocalyptique dans lequel des machines asserviraient l’humanité. Cet été-là, adolescents, enfants et adultes rêvaient d’esquiver les balles et d’effectuer des sauts périlleux au ralenti. Pas moi en tout cas. La scène qui m’a vraiment marqué se passe avant que ne débute la bagarre.
Lorsque notre héros inexpérimenté – avec l’aide d’une disquette, d’un câble et d’une fiche pratique à l’arrière de sa tête – passe d’un état d’ignorance totale en matière de jujitsu à celui d’expert en combats, en une poignée de secondes. C’est à ce moment-là que je suis devenu accro.
L’idée présentée dans le film était alléchante. Est-il possible d’utiliser la technologie pour transformer un novice en expert ?
Eh bien, il s’avère que oui. Les recruteurs ont besoin, par exemple, de plusieurs années pour apprendre le jargon, les titres des fonctions, les compétences et les aléas d’un secteur. Et pourtant, nous avons résolu ce problème en augmentant les capacités des nouveaux recruteurs grâce à un logiciel intelligent qui s’intègre parfaitement à leur vie professionnelle quotidienne.
Comment fait-on cela ? Le premier défi consiste à rédiger ces connaissances de manière rapide, précise et efficace. Vous estimez sans doute qu’il est impossible pour un programmeur humain, voire pour toute une armée de programmeurs, de spécifier ce qui importe au sein des différents secteurs, pour des rôles différents, dans différents pays et entreprises. Eh bien, vous auriez parfaitement raison. C’est pourquoi nous utilisons le big data. Au lieu d’essayer de spécifier manuellement les variables pertinentes, nous utilisons l’analyse de données pour créer des ontologies qui nous aident à estimer la pertinence des éléments les uns par rapport aux autres.
Le deuxième défi est de transmettre ces connaissances à de nouveaux recruteurs, idéalement sans les assommer d’informations ! Imaginez deux recruteurs essayant d’accomplir la même tâche, l’un avec des années d’expérience, l’autre sans aucune connaissance préalable du secteur. Leurs requêtes de recherche donneraient probablement des résultats complètement différents.
C’est là que la magie opère ! Certes, nous ne pourrons pas télécharger les connaissances de vos experts dans le cerveau des nouveaux recruteurs, mais nous pouvons faire en sorte que les résultats de leurs recherches donnent l’impression que nous l’avons vraiment fait.
La recherche sémantique est conçue pour comprendre ce que les utilisateurs ont l’intention de trouver pour ensuite procéder à leur recherche, plutôt que de simplement rechercher des mots exacts. Lorsqu’un utilisateur recherche des candidats ayant une expérience en « apprentissage automatique », le système inclut également des personnes ayant une expérience en « réseaux de neurones artificiels ». Notre recruteur inexpérimenté n’est peut-être pas familiarisé avec le domaine et ne saisit pas bien le lien entre les deux concepts, contrairement à notre système.
Cependant, cette technologie n’est performante qu’en fonction des données à partir desquelles elle a été construite. C’est là qu’Avature Semantic Search se distingue des autres solutions du marché. Contrairement à la plupart des fournisseurs qui adoptent simplement un outil disponible dans le commerce, conçu pour faire la différence entre les choses banales du quotidien, comme entre une moto et un vélo, Avature a choisi d’emprunter un chemin bien plus complexe pour mettre au point une solution interne visant clairement à maximiser les chances de trouver des candidats prometteurs, dans votre base de données. Elle a été construite en utilisant des données de recrutement afin d’atteindre les objectifs de recrutement.
À certains égards, cette approche est en réalité meilleure que celle proposée par le film Matrix. La vision de la connaissance du film, représentée par une disquette immuable, est fixée dans le temps. Notre conception de la connaissance est dynamique grâce à nos algorithmes en constante évolution. Dans la mesure où chaque entreprise est différente, nous travaillons souvent avec nos clients pour créer des ontologies personnalisées qui répondent à leurs besoins. Et plus notre logiciel est puissant, plus il contribue à ce que vos recruteurs s’améliorent.
Un autre problème lié au transfert de connaissances de type Matrix est que vous ne savez pas avec certitude ce qui est téléchargé dans votre cerveau. Et si c’était partial ? Et si c’était faux ? Puisqu’il s’agit d’une boîte noire, il est impossible de le savoir. Cela a des implications concrètes dans le monde réel. Amazon a dû abandonner son IA de recrutement lorsqu’ils ont découvert qu’il avait un parti pris contre les femmes. Pendant cinq ans, leur algorithme de notation pénalisait des CV contenant des locutions telles que « club d’échecs féminin ». Imaginez tout le talent dont Amazon s’est privé parce qu’ils ignoraient ce que le système prenait en compte.
Pour éviter cela, toutes nos initiatives d’intelligence artificielle utilisent une approche boîte blanche. Au lieu de laisser les utilisateurs dans l’opacité, l’approche de la boîte noire étant désormais standard dans la plupart des secteurs, nous donnons à nos clients de la visibilité et le contrôle sur ce que le système prend en considération. Vous pouvez voir quels sont les termes supplémentaires, vous pouvez supprimer l’ensemble ou une partie d’entre eux. Avec Avature, les errements du système ne peuvent passer inaperçus, la transparence est l’un de nos boucliers contre les préjugés et les erreurs.
Ce sujet passionnant mérite la rédaction d’un article complet, mais voici l’essentiel de ce qu’il faut retenir : Chez Avature, nous croyons en une technologie qui responsabilise les DRH, les responsables du recrutement et les recruteurs, et non en des systèmes qui tentent de prendre des décisions à leur place. Avature Semantic Search utilise des ontologies conçues sur mesure pour les RH afin de faire ce à quoi nous aspirons toujours : placer le pouvoir entre les mains de nos utilisateurs.
