Scénario type. Cet article décrit une situation représentative des cabinets de recrutement que nous rencontrons, avec des ordres de grandeur réalistes. Il ne s'agit pas d'un client réel et les chiffres sont donnés à titre illustratif.
Le contexte
Un cabinet de recrutement de 10 collaborateurs traite plusieurs centaines de candidatures par mois pour le compte de ses clients. Chaque CV contient des données personnelles — état civil, parcours, parfois des informations sur la situation familiale — que le cabinet doit traiter avec précaution.
Le problème, chiffré
Un chargé de recrutement passe en moyenne 4 minutes par CV pour un premier tri. Le cabinet avait envisagé un outil d'analyse de CV en ligne, avant de constater que cela impliquait de transmettre des données personnelles de centaines de candidats à un service hébergé hors de son contrôle, ce qui posait question au regard de sa politique de confidentialité vis-à-vis de ses clients.
Le calcul de départ : 300 candidatures par mois × 4 minutes de premier tri = environ 20 heures par mois consacrées à une présélection répétitive, avant même l'entretien téléphonique.
Ce qui a été mis en place
1. Un LLM local installé sur un serveur dédié
Le modèle tourne sur une infrastructure hébergée en France, isolée du reste du système d'information du cabinet.
2. Un pré-classement selon des critères définis avec le client
Le modèle lit chaque CV et le classe selon des critères objectifs validés en amont avec l'entreprise cliente — expérience, compétences requises — sans porter de jugement sur des critères sensibles.
3. Une revue humaine systématique
Chaque présélection proposée par l'outil est revue par un chargé de recrutement avant tout contact avec un candidat, en particulier pour vérifier l'absence de biais dans le classement.
Les résultats attendus
Le temps de premier tri diminue, les chargés de recrutement se concentrant sur les entretiens plutôt que sur la lecture systématique de chaque CV. Les données personnelles des candidats restent sur l'infrastructure du cabinet.
Ce qui conditionne la réussite
Les critères de présélection doivent être définis avec précision et régulièrement audités pour éviter tout biais discriminatoire, un point de vigilance renforcé par le classement de ce type d'usage comme à risque élevé au sens de l'AI Act. Voir notre article sur AI Act et LLM auto-hébergés.
Ce qui n'est pas automatisé
Aucune décision de recrutement n'est prise par l'outil. Les entretiens, l'évaluation humaine et la décision finale restent entièrement portés par les chargés de recrutement, l'outil se limitant à un premier tri sujet à vérification.
Transposable à votre cabinet ?
Le projet devient pertinent à partir de plusieurs centaines de candidatures mensuelles, et à condition de pouvoir formaliser des critères de présélection objectifs et audités régulièrement.
L'essentiel à retenir
Un LLM local permet à un cabinet de recrutement de gagner du temps sur le premier tri de candidatures, sans exposer les données personnelles des candidats à un service extérieur, à condition de maintenir une revue humaine et un contrôle régulier des critères.
Votre cabinet traite un volume important de candidatures sensibles ? Échangeons sur votre organisation.