Pourquoi j'ai construit un recruteur IA qui montre son travail

L'histoire de HCIA, et le pari d'une seule personne que le recrutement peut être à la fois plus rapide et plus humain.

L'étincelle

J'écris du code depuis plus de dix ans. J'étais bon. Je ne m'attendais donc pas à ce que la recherche d'emploi devienne le problème le plus difficile que j'aie jamais eu à résoudre.

Chaque candidature semblait identique. Peaufiner le CV, soumettre, regarder disparaître. Pas de réponse, pas de raison, juste le silence. Et j'avais une assez bonne idée de ce qui se passait derrière ce mur, parce que je l'avais vu de l'intérieur. Des recruteurs submergés par des centaines de candidats, se fiant à leur intuition ou à des outils de mots-clés qui récompensaient les mots à la mode plutôt que les compétences réelles. De bonnes personnes étaient filtrées pour avoir écrit « développé » au lieu de « conçu ». Des candidats plus faibles passaient parce qu'ils avaient mémorisé les bons mots.

Toute cette expérience est devenue la graine de HCIA.

Le défi

Construire une plateforme de recrutement IA tout seul signifiait faire tous les métiers à la fois. Chef de produit le matin, ingénieur backend l'après-midi, designer et marketeur le soir. Mais la charge de travail n'a jamais été vraiment la partie difficile. La partie difficile était une question que je ne pouvais pas chasser.

Le marché était déjà plein d'outils de recrutement IA, et la plupart avaient le même problème. Ils cachaient leur raisonnement. Un score apparaissait, un candidat était classé, et personne ne pouvait vous dire pourquoi. Ni le recruteur, ni la personne qui avait postulé. Quand un outil aide à décider qui a une chance d'obtenir un emploi, « faites-lui confiance » ne suffit pas. Je ne voulais pas construire quelque chose qui prenait de mauvaises décisions plus rapidement. Je voulais que le recrutement soit plus ouvert qu'il ne l'avait jamais été, même avant que l'IA ne soit impliquée.

Construire le cœur

J'ai commencé par la partie qui faisait le plus mal, le tri des CV.

Le but n'était pas seulement d'extraire des données d'un CV. C'était d'expliquer une correspondance d'une manière qu'une personne puisse vérifier. HCIA lit un CV et en extrait les éléments structurés : compétences, expérience, formation, projets. Ensuite, il aligne chacun d'eux sur ce que le poste demande réellement. Et chaque correspondance est accompagnée d'une raison rédigée en langage clair :

« Le candidat a 5 ans d'expérience en Python, correspondant à votre exigence de 3+ ans. »

Pas de nombre mystérieux. Juste la preuve.

Ensuite sont venues les entrevues vidéo assistées par IA. Les candidats enregistrent des réponses à un ensemble de questions prédéfinies quand cela leur convient. HCIA examine chaque réponse selon trois aspects : contenu, prestation et sentiment, et encore une fois, il s'explique :

« Le candidat a abordé les trois points clés avec confiance (score de confiance de 77 %). »

Tout ce qu'il dit renvoie à quelque chose de réel. Pas de boîtes noires.

Sous le capot

Sous tout cela, HCIA utilise le traitement du langage naturel pour lire les CV et transcrire les entretiens, des modèles de transformeurs pour comprendre ce que quelqu'un veut vraiment dire au lieu de simplement faire correspondre des mots-clés, et une couche de notation conçue pour être examinée plutôt que prise pour argent comptant.

La décision la plus difficile que j'ai prise n'a pas été de choisir un modèle. C'était de décider de ne rien livrer que le système ne puisse expliquer. Si une fonctionnalité rendait les scores un peu plus précis mais transformait le raisonnement en boîte noire, elle n'était pas incluse. Cette seule règle a fini par façonner presque toutes les décisions techniques qui ont suivi.

L'explicabilité est le fondement

Beaucoup de produits traitent l'explicabilité comme quelque chose qu'on ajoute après coup. Pour HCIA, c'est la chose sur laquelle tout le reste repose.

Chaque décision du système renvoie à des preuves spécifiques, une ligne dans un CV ou un moment dans un entretien. Les recruteurs peuvent ouvrir n'importe quel score, voir ce qui l'a motivé, le modifier ou demander plus d'informations. L'IA n'a pas le dernier mot. La personne l'a. Cela compte pour plusieurs raisons. Cela renforce la confiance avec les personnes qui recrutent. Cela offre aux candidats un processus réellement équitable et auquel ils pourraient s'opposer. Et cela maintient les entreprises du bon côté des règles comme l'EU AI Act et le RGPD, qui commencent à exiger que les décisions automatisées puissent être expliquées.

En recrutement, « l'algorithme a décidé » devient un véritable risque juridique. HCIA est construit pour que personne n'ait jamais à le dire.

Faire face aux biais de front

On ne peut pas parler d'IA dans le recrutement sans parler de biais. Les modèles apprennent à partir de données passées, et les données de recrutement passées sont pleines de biais humains. Un système opaque ne supprime pas ce biais. Il le cache simplement derrière un nombre qui semble neutre.

C'est un autre endroit où l'explicabilité montre sa valeur. Parce que chaque décision peut être tracée, le biais devient quelque chose que vous pouvez réellement voir au lieu de quelque chose d'enfoui dans les maths. Je construis un module dédié de détection des biais qui signale lorsque les résultats commencent à dévier selon des critères sans rapport avec le poste, afin que les recruteurs puissent le repérer et le corriger au lieu de l'amplifier sans le savoir. Être transparent ne concerne pas seulement la confiance. Il s'agit de pouvoir repérer ce qui ne va pas pendant qu'il est encore temps d'agir.

La réalité du fondateur solo

Travailler seul vous rend honnête sur les compromis.

J'ai open-sourcé certains des composants, en partie pour inviter les gens à y chercher des failles, et en partie parce que les retours de la communauté sont ce qui se rapproche le plus d'une équipe de relecteurs pour un fondateur solo. J'ai aussi beaucoup compté sur les échanges avec les utilisateurs. Au début, chaque testeur recevait un appel de ma part pour que je puisse entendre comment ça s'était passé pour eux. Ces appels ont plus façonné le produit que n'importe quelle feuille de route que j'ai écrite.

C'est plus lent que de travailler en équipe. Il n'y a personne à qui passer le relais à minuit. Mais il y a un revers. Chaque ligne de code est là pour une raison, et je comprends chaque décision dans le système parce que c'est moi qui l'ai prise.

Ce que j'ai appris

Quelques choses m'ont pris au dépourvu :

• La transparence est quelque chose pour lequel les gens sont prêts à payer. Je pensais que les acheteurs voulaient surtout de la vitesse. Ce qu'ils voulaient vraiment, c'était pouvoir défendre une décision, que ce soit devant un candidat, un manager ou un régulateur.
• La partie difficile de l'IA n'est pas l'IA. C'est le jugement qui l'entoure. Quoi automatiser, quoi laisser aux humains, et où doit se situer la ligne entre les deux.
• Construire seul est solitaire, mais cela clarifie les choses. Sans équipe avec qui discuter, vous ne pouvez pas vous cacher derrière une décision de groupe. Chaque choix est le vôtre, et chaque leçon aussi.

La suite

HCIA est actuellement en service pour les entreprises de taille moyenne et les grandes entreprises. Les prochaines étapes sont des intégrations plus profondes avec les grandes plateformes ATS pour qu'il s'insère dans les outils que les équipes utilisent déjà, ainsi qu'un module de détection des biais plus intelligent.

La mission n'a pas vraiment changé cependant. Recrutement mené par l'humain, alimenté par une IA explicable. L'IA fait le gros du travail, les humains prennent la décision, et tout le monde peut voir pourquoi.

Parlons-en

Si vous êtes un fondateur ou un responsable du recrutement qui en a assez des outils opaques qui vous demandent simplement de leur faire confiance, essayez HCIA.

Et si vous avez des retours, surtout les plus sévères, je veux les entendre. Construire seul signifie que j'apprends toujours, et la plupart des meilleures leçons sont venues de personnes prêtes à me dire ce qui ne va pas.