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

Je code depuis plus d'une décennie. 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 essayé de résoudre.

Chaque candidature se ressemblait. Peaufiner le CV, cliquer sur envoyer, le 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, car je l'avais vu de l'intérieur. Des recruteurs submergés par des centaines de candidats, s'appuyant sur leur intuition ou sur des outils de mots-clés qui récompensaient les mots à la mode plutôt que les compétences réelles. De bonnes personnes étaient filtrées parce qu'elles avaient 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 qui me hantait.

Le marché était déjà rempli 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 dire pourquoi. Ni le recruteur, ni la personne qui avait postulé. Quand un outil aide à décider qui obtient une chance pour un emploi, "faites-lui confiance" ne suffit pas. Je ne voulais pas construire quelque chose qui rendrait les mauvaises décisions plus rapides. Je voulais que le recrutement soit plus ouvert qu'il ne l'avait jamais été, même avant l'IA.

Construire le cœur

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

L'objectif 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, ce qui correspond à votre exigence de 3 ans et plus."

Pas de nombre mystérieux. Juste les preuves.

Ensuite sont venus les entretiens vidéo assistés par IA. Les candidats enregistrent leurs réponses à un ensemble de questions prédéfinies quand ils le souhaitent. HCIA examine chaque réponse sous trois angles : 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

En dessous de 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 acquise.

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 pas expliquer. Si une fonctionnalité rendait les scores un peu plus précis mais transformait le raisonnement en boîte noire, elle n'était pas incluse. Cette règle unique a fini par façonner presque toutes les décisions techniques qui ont suivi.

L'explicabilité est le fondement

Beaucoup de produits traitent l'explicabilité comme un ajout ultérieur. Pour HCIA, c'est la base 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 remplacer ou demander plus. L'IA n'a pas le dernier mot. C'est la personne qui l'a. Cela compte pour plusieurs raisons. Cela établit la confiance avec ceux qui recrutent. Cela offre aux candidats un processus réellement équitable et sur lequel ils peuvent contester. Et cela maintient les entreprises du bon côté des règles comme le Règlement européen sur l'IA et le RGPD, qui commencent à exiger que les décisions automatisées soient explicables.

Dans le 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 l'on peut réellement voir au lieu d'être enfoui dans les calculs. Je construis un module de détection des biais dédié qui signale lorsque les résultats commencent à pencher selon des lignes qui n'ont rien à voir avec le poste, afin que les recruteurs puissent le détecter 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 rend honnête sur les compromis.

J'ai open-sourcé certains composants, en partie pour inviter les gens à y chercher des failles, et en partie parce que les retours de la communauté sont ce qu'un fondateur solo a de plus proche d'une équipe de relecteurs. J'ai aussi beaucoup insisté sur les échanges avec les utilisateurs. Au début, chaque testeur a reçu un appel de ma part pour savoir comment cela s'était réellement 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 confier quelque chose 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 je suis celui qui l'a prise.

Ce que j'ai appris

Quelques choses m'ont pris par surprise :

• La transparence est quelque chose pour lequel les gens sont prêts à payer. Je pensais que les acheteurs voulaient surtout de la rapidité. 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 autour. Quoi automatiser, quoi laisser aux humains, et où la ligne entre les deux devrait se trouver.
• Construire seul est solitaire, mais cela clarifie les choses. Sans équipe avec qui discuter, on ne peut pas se cacher derrière une décision de groupe. Chaque choix est le vôtre, et chaque leçon aussi.

La suite

HCIA est opérationnel dès maintenant pour les entreprises de taille moyenne et les grandes entreprises. Les prochaines étapes sont des intégrations plus poussées avec les grandes plateformes ATS pour qu'il s'intègre 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. 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 fatigué 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.