Le problème : une pile de CV et pas le temps
Tu publies une offre et tu reçois 150, 200 candidatures. Beaucoup sont hors-sujet, quelques-unes sont excellentes, et elles sont noyées dans le tas. Pour trouver les bonnes, il faudrait ouvrir chaque CV, lire chaque lettre, recouper avec ton besoin. Personne n'a ce temps-là, alors tu survoles, tu juges sur trois secondes, et tu passes probablement à côté de très bons profils.
Pour une PME qui recrute une ou deux fois par an, le recrutement est un gouffre de temps qui tombe toujours au pire moment. Résultat : soit tu traînes et le poste reste vide, soit tu recrutes vite et mal. Les deux coûtent cher.
Ce que fait concrètement l'agent
Un agent de recrutement IA fait le premier tri à ta place, sans jamais se fatiguer ni bâcler le 180e CV comme le 2e. Chaque candidature qui arrive passe dans le workflow, qui :
- Lit le CV et la lettre, même en PDF, et en extrait les infos utiles : expérience, compétences, formation, localisation, disponibilité.
- Note chaque profil, avec un score et une justification en clair, selon tes critères à toi : les indispensables, les « plus » et les rédhibitoires.
- Classe les candidatures et te remonte une short-list argumentée : voici les 10 profils à voir en priorité, et pourquoi.
- Répond automatiquement à chaque candidat : accusé de réception, demande de complément, ou réponse négative soignée. Personne ne reste sans nouvelles.
- Propose des créneaux d'entretien aux profils retenus et cale les rendez-vous dans ton agenda.
Tu ne reçois plus 200 CV. Tu reçois une short-list, déjà notée, déjà justifiée. Tu gardes la décision : l'agent ne recrute personne à ta place. Mais tu la prends sur 10 bons dossiers, pas sur 200.
Les outils : n8n, Make et un modèle d'IA qui lit vraiment
On branche ta source de candidatures (boîte mail de recrutement, formulaire, plateforme d'emploi) sur un moteur d'automatisation. n8n est souvent le bon choix ici : on manipule des fichiers, on veut une logique de scoring précise et on garde les données candidats sous contrôle, un vrai sujet côté RGPD. Make convient pour un flux plus simple. Au centre, un modèle d'IA capable de lire un CV en langage naturel et de l'évaluer selon ta grille, pas une grille toute faite.
On calibre l'agent sur tes critères réels, et on le teste sur d'anciens recrutements pour vérifier qu'il aurait bien fait remonter les profils que tu as effectivement retenus. Objectif : un tri en qui tu as confiance.
Ce que ça te fait gagner, concrètement
Le tri qui te prenait une journée entière se fait en quelques minutes, et surtout il est homogène : le dernier CV est lu aussi sérieusement que le premier. Tu ne perds plus de bons candidats par simple fatigue, chaque postulant reçoit une réponse, ce qui protège ta marque employeur, et tu passes ton énergie sur les entretiens, là où tu as vraiment de la valeur à apporter. Autre bénéfice concret : tu peux enfin te permettre de publier une offre largement, sans redouter la vague de candidatures, puisque le tri suivra quel que soit le volume reçu, et donc élargir ton vivier au lieu de le restreindre par manque de temps.
Cet agent partage la même mécanique que nos autres automatisations : lire, comprendre, décider. Si le tri des candidatures t'intéresse, la même approche s'applique à ta boîte mail ou à ta gestion des leads.
Le sujet qui fâche : biais et données personnelles
Confier un tri de CV à une IA, ça pose deux vraies questions, et on ne va pas les balayer sous le tapis. La première, c'est le biais. Un agent mal calibré peut reproduire des discriminations. C'est pour ça qu'on le note sur des critères liés au poste (compétences, expérience, disponibilité), pas sur des éléments hors-sujet, et qu'on te fournit la justification de chaque score pour que tu puisses la contester. L'agent éclaire ta décision, il ne la prend pas à ta place.
La seconde, c'est le RGPD. Un CV, c'est de la donnée personnelle sensible : durée de conservation, information des candidats, hébergement. C'est une des raisons pour lesquelles on privilégie souvent n8n, qui permet de garder ces données sous ton contrôle plutôt que de les envoyer se promener chez dix outils tiers. On cadre tout ça dès l'audit, pour que ton gain de temps ne se transforme jamais en risque juridique.
Comment KASTIA s'y prend
On démarre par un audit gratuit : ton besoin de poste, tes critères, ce qui fait un bon candidat chez toi, tes contraintes de confidentialité. On en tire la grille de scoring et une roadmap chiffrée sous 48h.
On construit l'agent, on le teste sur des candidatures réelles, on ajuste la notation jusqu'à ce qu'elle reflète ton jugement, puis on te forme à le piloter. Tu peux revoir chaque score, rouvrir un dossier écarté, ajuster un critère entre deux recrutements. L'agent trie ; toi, tu choisis.