PROBLÈME
Trop de temps recruteur consacré à l’administratif, pas aux décisions d’embauche
L’équipe avait trouvé son product-market fit, mais les opérations ne passaient pas à l’échelle. Chaque poste générait des dizaines de CV, et les recruteurs transformaient manuellement des profils bruts en notes prêtes pour les hiring managers. Les fiches candidats étaient aussi enrichies à la main, ce qui créait des délais, des incohérences et un retard de 4 jours avant que les shortlists n’arrivent aux clients.
✕Les recruteurs passaient plus de 340 heures/an sur des notes de présélection répétitives et des mises à jour CRM ;
✕Le délai moyen de shortlist était de 4 jours, ralentissant la réponse client et la vitesse des offres ;
✕Les données candidats étaient réparties entre exports ATS, fils d’e-mails et champs HubSpot, avec 18 % d’attributs manquants ;
✕Les hiring managers évaluaient mal le processus : les résumés variaient selon le recruteur et manquaient de critères de décision cohérents.
SOLUTION · 8 SEMAINES
Un seul workflow pour les résumés candidats, l’enrichissement et la QA recruteur
Nous avons construit une couche opérationnelle assistée par AI autour de la stack existante, pas un produit séparé. L’objectif était simple : transformer chaque profil candidat entrant en résumé structuré, enrichir automatiquement le CRM et conserver une étape de validation humaine uniquement là où elle apportait de la valeur.
SEMAINES 1–2
Cartographie des processus et modèle de données
Cartographie du flux de présélection entre exports ATS, réception par e-mail et HubSpot ; définition de 24 champs candidats obligatoires et des règles de validation pour la revue recruteur.
SEMAINES 3–4
Résumés de présélection par LLM
Création de chaînes de prompts transformant les CV et les réponses de candidature en résumés recruteur en 6 volets : adéquation, risques, séniorité, compétences, signaux salariaux et recommandation de prochaine étape.
SEMAINES 5–6
Automatisation de l’enrichissement CRM
Connexion de n8n à HubSpot et aux tableurs internes pour remplir automatiquement les champs manquants, normaliser les intitulés et localisations, dédupliquer les fiches et envoyer des alertes dans Slack.
SEMAINES 7–8
QA, garde-fous et reporting
Ajout de seuils de confiance, de revue humaine pour les cas limites, de versioning des prompts et de tableaux de bord pour le temps de traitement, le taux de complétion et la fréquence d’override des recruteurs.
RÉSULTAT · 3 MOIS
Les recruteurs ont gagné en vitesse, les hiring managers ont reçu de meilleures shortlists
| INDICATEUR | AVANT | APRÈS | ÉVOLUTION |
|---|---|---|---|
| Heures de routine recruteur / an | 340 | 0 | −340h |
| Délai de shortlist | 4 days | 1 day | −75% |
| NPS des hiring managers | 43 | 64 | +21 |
| Fiches CRM enrichies automatiquement | 0% | 92% | NOUVEAU FLUX |
| Taux d’override recruteur | 100% | 14% | −86% |
« Avant Pifagor, nos recruteurs travaillaient comme des agents de saisie avec de bons instincts. En 8 semaines, nous avons transformé cela en un processus de shortlist en 1 jour auquel nos hiring managers font réellement confiance. »