1. Le Point de Départ : Une Boîte Noire Injuste
En tant que professionnel de l'informatique, j’ai vu des CV excellents disparaître dans le néant des systèmes ATS. Personne ne dit comment ça marche. Les candidats ajustent à l’aveugle, souvent en sacrifiant la qualité au profit de mots-clés.
“On ne corrige pas un problème qu’on ne comprend pas.” — Moi, après avoir vu mon propre CV mal classé.
ATS-REAL est né de cette frustration. Il vise à inverser le processus : au lieu de deviner, le candidat obtient un retour immédiat, transparent et actionnable.
Un Principe Fondamental : Optimiser, Pas Tromper
Il est essentiel de préciser une chose : ATS-REAL n’a jamais pour vocation de vous aider à "tricher" ou à mentir sur votre parcours.
Le but n’est pas de réécrire votre CV, mais de vous aider à mieux le faire briller en mettant en lumière les compétences que vous possédez réellement, souvent sous des angles ou avec des mots que vous n’aviez pas pensés à utiliser.
ATS-REAL agit comme un miroir intelligent :
- Il vous montre objectivement ce que le système ATS "voit" (ou pas).
- Il vous aide à reformuler stratégiquement vos compétences existantes pour qu’elles soient reconnues par les algorithmes, sans les dénaturer.
- Il vous propose des suggestions actionnables pour enrichir votre CV avec des éléments authentiques (verbes d’action, résultats chiffrés, compétences implicites) que vous avez peut-être oubliés ou mal formulés.
En clair :
- ✅ Oui : Reformuler "J’ai automatisé des tâches avec des scripts" en "Développé des scripts PowerShell réduisant de 80% le temps d’audit de conformité".
- ❌ Non : Inventer une compétence que vous ne maîtrisez pas.
Cet outil est un levier d’optimisation stratégique, pas un outil de falsification. Il repose sur votre expérience réelle et vise à vous rendre justice dans un processus trop souvent aveugle. Parce que derrière chaque CV, il y a un professionnel compétent. ATS-REAL, c’est pour que ce professionnel soit vu, compris, et sélectionné.
2. Ma Philosophie : L’Intelligence Hybride comme Garant de Qualité
Très vite, j’ai compris qu’un système basé uniquement sur des règles serait trop rigide, et un système purement génératif trop fantaisiste. J’ai donc adopté une approche que j’appelle intelligence hybride.
- ✅ Socle de vérité : une base de données de compétences validées humainement (pas de hallucinations).
- 🧠 Inférence contextuelle : Groq Llama-3.1 pour comprendre les subtilités de l’offre.
- ⚖️ Validation croisée : un algo maison pondère les compétences (synonyme ≠ match exact).
- ✨ Génération IA : suggestions de phrases CV, prêtes à l’emploi, métier contextualisé.
C’est une collaboration entre rigueur technique et intelligence contextuelle.
3. Le Pipeline : Un Cheminement Logique
Chaque étape du pipeline reflète une étape de mon raisonnement :
- Extraction – Il faut lire le CV. J’ai choisi les libs les plus fiables.
- Segmentation – Identifier les sections est crucial. Regex + heuristiques.
- Parsing sémantique – spaCy pour extraire le sens (lemmes, POS, entités).
- Inférence métier – Groq pour comprendre le métier ciblé dans l’offre.
- Validation croisée – Comparer CV et offre, avec pondération métier.
- Gap analysis – Identifier ce qui manque (compétences, verbes, chiffres).
- Génération – Proposer des phrases CV contextualisées via Groq few-shot.
4. Scoring Transparent : Pas de Magie Noire
Le score final est ajustable, pour que le candidat comprenne quoi améliorer et comment.
- 🛠️ Compétences techniques : 50 % (le nerf de la guerre)
- 🚀 Verbes d’action : 30 % (l’impact)
- 📈 Résultats quantifiés : 20 % (la preuve)
Chaque compétence a un poids métier (ex: "palo alto" pèse plus qu'"excel").
Un synonyme compte, mais moins ("pam" = 0.7 × poids de "iam").
5. Base Métiers : Un Trésor de Connaissances
J’ai enrichi une base de 14 profils métiers avec deux profils spécifiques :
- 🔐 RSSI Senior - SecOps & Infrastructures Critiques
- 🖥️ Administrateur Systèmes & Réseaux Senior - Environnements Bancaires
Ces profils sont versionnés en JSON et enrichis à chaque usage. Ils sont la clé de l’inférence contextuelle.
6. Génération de Suggestions : De l’IA au Service du Candidat
Le prompt few-shot envoyé à Groq est conçu pour :
- Contextualiser l’offre
- Identifier le métier
- Lister les compétences manquantes
- Adapter le ton et les verbes au métier
Résultat : 3 phrases CV prêtes à copier, en < 1 seconde.
7. Sécurité & Confidentialité : Respect Absolu
- 🔒 Aucune donnée CV n’est stockée.
- ⚡ Cache MD5 local pour éviter les requêtes redondantes.
- 🔑 Clé API Groq injectée via variable d’environnement.
Conclusion : Un Outil, Une Vision
ATS-REAL n’est pas juste un comparateur de mots-clés. C’est un outil de réappropriation du processus de candidature, pensé par un professionnel pour les professionnels.
Il incarne ma conviction que la transparence et l’intelligence doivent servir le candidat, pas l’obscurcir.