Contexte technique
J'adore ce genre d'outils non pas pour leur magie, mais pour leur utilité pratique. Ici, quelqu'un a conçu un prompt qui force les modèles de Google, OpenAI et Anthropic à jouer le rôle d'un module ATS d'entreprise et à éliminer les CV selon les mêmes critères stricts qu'un premier filtre automatique.
Pour l'automatisation avec l'IA, c'est un excellent modèle : pas de « améliore mon CV », mais plutôt « évalue strictement sur la base de preuves, ne suppose rien, montre clairement les signaux d'alerte et donne un score avec une recommandation ». Cela ressemble enfin à une formulation de tâche correcte, et non à une loterie de mots élégants.
J'ai été particulièrement marqué par les contraintes intégrées au prompt. On demande au modèle de ne pas halluciner, de marquer les lacunes comme « not stated », d'ignorer les attributs protégés et de vérifier non seulement les compétences, mais aussi le rapport signal/bruit, la stabilité de la carrière, l'impact quantitatif et les signes d'inflation de responsabilités.
C'est bien plus puissant que les conseils ATS habituels du type « ajoutez des mots-clés de l'offre d'emploi ». Ici, la logique est plus proche d'un véritable pré-criblage : il y a des forces, des points de vigilance, un score composite X/100 et un verdict court comme Strong Advance ou Reject. Un format idéal pour les candidats, les recruteurs et même les équipes qui construisent une intégration de l'intelligence artificielle dans leurs processus RH.
Un autre point intéressant : l'auteur a optimisé le résultat pour dépasser les 85 % et a testé des astuces assez limites, comme la modification de l'en-tête ou l'utilisation de repères visuels comme ✅. Sur ce point, je resterais prudent. Si le prompt aide à rendre le CV plus précis et plus propre, c'est parfait. Mais si vous commencez à jouer à pirater le parseur de façon décorative, l'effet peut être instable d'un modèle à l'autre.
Impact sur les entreprises et l'automatisation
La conclusion pratique est simple. Les candidats sont gagnants car ils bénéficient d'un test à blanc honnête avant d'envoyer leur CV. Les équipes RH gagnent également si elles appliquent une logique similaire pour leur premier tri interne, évitant ainsi de perdre du temps avec des CV peu pertinents.
Les perdants sont ceux qui ont l'habitude de se reposer sur des formulations vagues. Un tel filtrage révèle rapidement les puces vides, l'ampleur exagérée des tâches et l'absence de résultats mesurables.
Je déploierais cette solution non pas comme un « générateur de joli CV », mais comme une couche de validation avant l'envoi ou l'importation dans l'ATS. Chez Nahornyi AI Lab, nous résolvons régulièrement ce type de problématiques : si votre produit RH, de recrutement ou de gestion de carrière est freiné par des formulations floues, je peux vous aider à concevoir une implémentation de l'IA pour que le système ne cherche pas à embellir la vérité, mais identifie les faiblesses et fasse gagner des heures de sélection manuelle.