Vous utilisez déjà d.vinci parce qu'il structure le recrutement : les candidatures arrivent au même endroit, les parties prenantes suivent un workflow et vous avancez vite quand le process est propre. Le goulot d'étranglement se situe généralement une étape plus tôt : la présélection de CV avec d.vinci signifie encore ouvrir des fichiers, parcourir des profils et tenter de comparer les candidats de façon cohérente.

Sprad + Atlas est un module connecté tiers qui se branche sur d.vinci. Ce n'est pas une fonctionnalité native de d.vinci et il ne remplace pas votre ATS. Atlas lit les nouvelles candidatures dans d.vinci, analyse et structure les CV, les note par rapport à votre véritable description de poste (éventuellement aussi par rapport aux profils de vos meilleurs collaborateurs) et réécrit dans d.vinci une présélection classée et transparente. Pour voir l'idée du workflow dans le contexte du produit, Sprad décrit la couche d'automatisation dans Sprad Automate.

Le résultat concret est simple : au lieu de comparer les CV à la main, les recruteurs commencent leur journée avec une liste classée et un court raisonnement vérifiable par candidat, directement dans d.vinci. Vous conservez votre configuration d.vinci, vos droits, vos étapes et vos rapports : Atlas ajoute le scoring et l'automatisation par-dessus.

Pourquoi la présélection de CV avec d.vinci reste souvent manuelle (même avec un bon ATS)

d.vinci est très répandu dans l'espace DACH comme système de suivi des candidatures et suite de recrutement. Il couvre l'essentiel : réception des candidatures, dossiers candidats, étapes du pipeline, collaboration et communication structurée. Beaucoup d'équipes utilisent aussi des questions éliminatoires et des filtres pour préqualifier les candidats.

Reste la partie qui consomme du temps et crée des incohérences : comprendre ce qu'un CV signifie pour votre poste précis. Deux candidats peuvent employer des mots différents pour la même compétence. Les intitulés varient selon l'entreprise et le pays. Les signaux de séniorité se cachent dans le périmètre des projets, pas dans les mots-clés. Et quand le volume explose, même un bon process se transforme en « tri en urgence ».

Dans la pratique, les équipes qui font de la présélection de CV avec d.vinci se heurtent toujours aux mêmes problèmes :

  • La mise en correspondance CV-poste se fait dans la tête des gens. Les recruteurs comparent les candidats mentalement, puis laissent des notes qui varient selon la personne et le jour.
  • Les présélections sont difficiles à justifier. Les managers demandent : « Pourquoi ces trois-là ? » et la réponse mêle souvent intuition et notes éparses.
  • De très bons candidats passent à la trappe. Surtout ceux au parcours non linéaire, au vocabulaire différent ou venant d'un autre secteur.
  • La présélection vole du temps au travail humain. Les entretiens, l'alignement avec les parties prenantes et l'expérience candidat en pâtissent en premier.
  • La cohérence est difficile à grande échelle. D'un site, d'un recruteur ou d'une agence à l'autre, le niveau d'exigence dérive.

Si votre objectif est « recruter plus vite », le premier levier n'est souvent pas le sourcing. C'est de faire de la présélection une étape reproductible, appuyée sur des preuves, qui laisse l'humain aux commandes.

Comment fonctionne la présélection de CV IA avec d.vinci grâce à Sprad + Atlas (étape par étape)

Atlas est le collègue RH IA de Sprad. L'idée distinctive n'est pas de « discuter avec une IA ». C'est ceci : Atlas se connecte à l'ensemble de votre environnement RH via des intégrations, construit un People Data Knowledge Graph, puis exécute des workflows dans les outils que vous utilisez déjà. Sprad le positionne comme une couche d'automatisation et d'intelligence plutôt que comme un système de référence de plus. Un aperçu de cette approche d'intégration figure sur la page des intégrations de Sprad.

Pour la présélection de CV avec d.vinci, le workflow est piloté par les événements : quand quelque chose se passe dans d.vinci, Atlas réagit. La mise en œuvre exacte dépend de votre configuration d.vinci et des options d'intégration (accès aux données par API, exports ou middleware). Le déroulement fonctionnel reste le même.

1) Déclencheur : une nouvelle candidature arrive dans d.vinci

Un candidat postule via votre portail carrière d.vinci ou un canal importé. Le dossier candidat est créé ou mis à jour dans d.vinci. Cet événement déclenche Atlas.

2) Atlas récupère les données du candidat et le contexte du poste

Atlas récupère ce dont il a besoin pour noter avec précision, par exemple :

  • Fichier(s) de CV et pièces jointes
  • Champs du profil candidat déjà présents dans d.vinci
  • La véritable description de poste utilisée par votre équipe (pas un modèle générique)
  • En option : questions de présélection et réponses, si vous en utilisez
  • En option : signaux internes qui définissent la réussite (voir l'étape 4)

C'est là qu'un module connecté l'emporte sur un simple outil d'analyse de CV. Vous ne voulez pas seulement du texte extrait. Vous voulez le contexte du poste et des règles de notation alignées sur votre façon de recruter.

3) Analyse et structuration : transformer un CV en champs exploitables

Atlas analyse le CV et le structure en champs cohérents. Cela comprend généralement :

  • Postes, employeurs, dates, ancienneté, évolution de carrière
  • Compétences et outils (y compris synonymes et termes voisins)
  • Formation, certifications, langues
  • Indices sur les projets (périmètre, domaines, résultats) lorsqu'ils figurent dans le CV

Le but n'est pas d'« embellir » le CV, mais de le normaliser pour comparer les candidats sur les mêmes axes.

4) Scoring : comparaison avec la description de poste (et, en option, avec les profils des meilleurs collaborateurs)

Atlas note ensuite chaque candidat par rapport aux exigences du poste qui comptent pour vous. C'est là que la présélection de CV avec d.vinci passe d'une logique de mots-clés à une logique de sens.

Vous pouvez utiliser deux modes de scoring, selon la gouvernance et les données disponibles :

  • Scoring sur la description de poste (par défaut) : Atlas confronte compétences, signaux de séniorité et profils d'expérience à votre description de poste et à vos critères indispensables.
  • Scoring sur les schémas de réussite (en option) : Atlas peut intégrer les profils de vos meilleurs collaborateurs actuels, de sorte que les enseignements du développement des personnes nourrissent le recrutement. Cela exige une gouvernance rigoureuse, car on peut reproduire des biais historiques si l'on s'y prend à la légère.

Point essentiel : Atlas génère un raisonnement transparent pour chaque score. Vous n'obtenez pas seulement « 82/100 ». Vous obtenez une explication courte du type : compétences indispensables A/B/C couvertes, correspondance partielle sur D, certification E manquante, expérience sectorielle pertinente en X, séniorité alignée avec le périmètre Y.

5) Réécriture dans d.vinci : présélection classée + raisonnement

Atlas réécrit ensuite les résultats dans d.vinci pour que les recruteurs restent dans un seul système. Les schémas de réécriture typiques sont :

  • Un score numérique (champ personnalisé)
  • Une courte note explicative (ce qui a déterminé le score)
  • Des tags (par exemple : « forte adéquation sectorielle » ou « critère indispensable manquant »)
  • Une vue classée ou une liste triable selon le score

Les recruteurs suivent ensuite leur process habituel : examiner les meilleurs candidats, vérifier la cohérence du raisonnement et décider qui avance. Atlas n'a pas besoin de rejeter automatiquement qui que ce soit pour être utile.

6) Contrôle humain (pour que l'IA reste une aide, pas une autorité)

Pour les organisations de l'espace DACH, « l'IA décide » est rarement acceptable, que ce soit sur le plan culturel, juridique ou vis-à-vis des comités d'entreprise. Le workflow est conçu pour que les humains restent responsables :

  • Les recruteurs et les managers choisissent comment utiliser le score (ordre de tri, seuils, drapeaux).
  • Le raisonnement est visible, le score peut donc être contesté.
  • Les règles peuvent être ajustées par famille de métiers (vente, ingénierie, opérations).
  • L'automatisation peut se limiter au classement et à la rédaction, sans prendre de décision.

Cette combinaison d'automatisation, d'explicabilité et de contrôle humain est ce qui permet de faire évoluer la présélection de CV avec d.vinci sans perdre la confiance.

Présélection de CV avec d.vinci : avant et après le scoring Atlas

Pour évaluer si un module complémentaire vaut le coup, comparez le « travail fait par des humains » avant et après. Le but n'est pas de supprimer le jugement, mais d'éliminer la lecture répétitive et la comparaison incohérente.

Étape Présélection de CV typique avec d.vinci (très manuelle) Présélection de CV avec d.vinci et Atlas en module connecté
Réception Les candidatures arrivent dans d.vinci ; le recruteur ouvre les CV un par un. Les candidatures arrivent dans d.vinci ; Atlas les prend en charge automatiquement.
Compréhension du contenu du CV Le recruteur interprète à la main la terminologie, les intitulés et le périmètre des projets. Atlas analyse et structure les CV en champs et signaux cohérents.
Mise en correspondance avec le poste Le recruteur compare le CV à la description de poste de tête ; les critères peuvent dériver. Atlas note par rapport à votre véritable description de poste, avec des critères constants.
Présélection Le recruteur établit une présélection via notes, drapeaux et classement subjectif. Atlas réécrit dans d.vinci une présélection classée, avec un raisonnement par candidat.
Collaboration avec les managers « Pourquoi ce candidat ? » demande souvent des explications supplémentaires et des retours en arrière. Les managers voient le score et sa justification ; les échanges partent plus vite des faits.
Gouvernance Difficile d'auditer pourquoi des candidats ont été priorisés au-delà de notes en texte libre. Le raisonnement est standardisé ; vous pouvez documenter les changements de critères par poste.

Le plus grand changement tient à l'usage du temps des recruteurs. Dans une présélection de CV avec d.vinci manuelle, le temps part dans la lecture et la comparaison. Avec Atlas, il va aux tâches où les humains sont meilleurs : entretiens, calibrage et communication avec les candidats.

Ce que vous pouvez automatiser dans la présélection de CV avec d.vinci (sans casser votre process)

Les équipes entendent parfois « présélection par IA » et imaginent une boîte noire qui rejette. Ce n'est pas le seul modèle, et c'est rarement le meilleur point de départ en Europe.

Voici des briques d'automatisation qui s'intègrent bien en extension de d.vinci :

Classer les candidats, ne pas les écarter automatiquement

Commencez par le classement et un raisonnement clair. Laissez la décision de faire avancer un candidat aux humains. Cela réduit le risque opérationnel et facilite les discussions avec le comité d'entreprise.

Repérer tôt les lacunes sur les critères indispensables (et les documenter)

Si une certification, un niveau de langue ou un permis est non négociable, Atlas peut le signaler de façon constante. Les recruteurs n'ont pas à revérifier la même exigence 80 fois.

Gérer les CV multilingues sans changer le workflow

Le recrutement DACH mélange souvent CV en allemand et en anglais. Une couche de scoring peut normaliser la terminologie entre les langues, puis réécrire les résultats dans d.vinci dans la langue de votre choix pour les notes et les tags.

Standardiser les notes de présélection pour qu'elles restent lisibles

Beaucoup d'équipes rédigent déjà des notes dans d.vinci. Atlas peut préparer des notes courtes et structurées à partir du CV et des exigences du poste. Les recruteurs les modifient et les valident. Le dossier reste ainsi cohérent et plus facile à auditer par la suite.

Boucler la boucle : ramener dans le recrutement ce que signifie « bien » dans le développement

C'est là l'atout stratégique : si votre organisation applique déjà un développement structuré, vous pouvez utiliser ces signaux pour affiner vos critères de recrutement. La plateforme de Sprad inclut aussi des workflows de performance et de développement ; une porte d'entrée est la suite de gestion des talents. Il ne s'agit pas de cloner vos effectifs, mais d'identifier quelles compétences et expériences sont corrélées à la réussite dans votre contexte, puis de valider ces hypothèses dans le recrutement.

Deux scénarios réalistes d'automatisation de la présélection de CV avec d.vinci

Pour juger de l'adéquation, il aide de se représenter le changement au quotidien. Les scénarios ci-dessous décrivent des schémas de workflow, pas des résultats promis. Vos résultats dépendront de la clarté des postes, de la qualité des données et de l'adoption.

Scénario 1 : recrutement à fort volume où la présélection domine le temps de travail

Vous menez plusieurs recrutements en parallèle. Chaque poste reçoit un flux régulier de candidatures. Les recruteurs passent une grande partie de leur semaine à la première lecture. Les managers veulent vite des listes « top 10 » et veulent comprendre pourquoi ces candidats y figurent.

Avec Atlas connecté à d.vinci :

  1. Chaque nouvelle candidature est notée quelques minutes après son arrivée.
  2. Les recruteurs ouvrent d.vinci sur une vue triée : meilleure adéquation en tête.
  3. Chaque candidat a une courte note « pourquoi », rédigée de façon homogène.
  4. Les recruteurs vérifient le haut de la liste, puis déclenchent les entretiens.
  5. Quand les exigences changent en cours de recherche, la grille de scoring est mise à jour et la liste est reclassée.

Le gain opérationnel n'est pas « l'IA remplace les recruteurs ». C'est « les recruteurs arrêtent de répéter la comparaison de première passe ». C'est ce qui rend la présélection de CV avec d.vinci plus légère sans changer d'ATS.

Scénario 2 : postes difficiles à pourvoir où il faut du signal, pas du volume

Vous recrutez des profils spécialisés. Le problème n'est pas d'avoir trop de candidats, mais que « se ressemble » soit trompeur. Les candidats ont une expérience voisine et vous devez évaluer rapidement leur transférabilité.

Avec un scoring Atlas sur votre description de poste, vous pouvez mettre l'accent sur :

  • la proximité de domaine (secteurs similaires, environnements réglementés, systèmes comparables)
  • profondeur ou largeur (signaux de séniorité dans le périmètre des projets)
  • les preuves d'autonomie et de responsabilité (résultats, étendue des parties prenantes, échelle)

Vous continuez à lire les CV. Vous partez simplement d'une présélection classée et d'une justification structurée. Les revues avec les managers sont ainsi plus rapides et plus cohérentes d'un intervieweur à l'autre.

Pourquoi une couche d'intégration vaut mieux qu'« un outil de présélection de plus »

Si vous utilisez déjà d.vinci, remplacer votre ATS pour mieux présélectionner est généralement un mauvais échange :

  • migration et conduite du changement
  • reformation des recruteurs et des managers
  • reprise des intégrations avec les job boards, le SIRH, le reporting et les validations
  • risque pour le process pendant les recrutements en cours

Le modèle de Sprad est différent : vous gardez d.vinci comme système de référence et ajoutez une couche d'automatisation qui s'y raccorde. C'est aussi pourquoi « une IA pour toute votre pile RH » compte. La présélection n'est qu'un workflow. Une fois les intégrations en place, vous pouvez automatiser d'autres étapes du recrutement sans changer de système.

Modèle commercial : projet de mise en place, puis coûts d'IA à l'usage

Sprad positionne Automate comme un service clés en main : « Nous concevons le workflow. Il tourne tout seul. » Le schéma habituel décrit est un projet de mise en place ponctuel (souvent de l'ordre de quelques semaines plutôt que de trimestres), puis des coûts d'API d'IA récurrents (par exemple OpenAI ou Anthropic) au lieu de licences SaaS par utilisateur. Les détails dépendent de votre gouvernance, du choix du modèle et du volume.

Ce modèle convient plutôt aux équipes qui :

  • veulent une automatisation mesurable sans ajouter une interface de plus à utiliser chaque jour
  • préfèrent payer le volume réel de traitement par l'IA
  • ont besoin d'une synchronisation bidirectionnelle pour que les résultats reviennent dans d.vinci

Aller au-delà de la présélection quand vous serez prêt

Une fois Atlas connecté, beaucoup d'équipes étendent l'usage à des routines voisines, toujours ancrées dans d.vinci comme ATS :

  • planification et coordination des entretiens
  • brouillons d'e-mails de refus personnalisés à grande échelle
  • présélection par voix ou vidéo avec contrôles anti-spam (voir Sprad)
  • appui au sourcing actif (voir Atlas People Search)

Cette trajectoire « on étend plus tard » compte. Elle permet de commencer par la présélection de CV avec d.vinci, de prouver la gouvernance et le ROI, puis d'automatiser davantage d'étapes sans changer votre ATS.

Gouvernance DACH : RGPD, AI Act et Betriebsrat (à titre indicatif)

Si vous opérez en Allemagne, en Autriche ou en Suisse, l'automatisation de la présélection s'inscrit dans une réalité de conformité et de codécision. On peut la concevoir de façon responsable, mais il faut les bons garde-fous.

RGPD : transparence, minimisation et intervention humaine

Le RGPD n'interdit pas l'IA. Il exige une finalité claire, des garanties appropriées et un traitement soigneux des données personnelles. Deux repères pratiques pour concevoir la présélection de CV avec d.vinci :

  • Minimisation des données : ne récupérer que les champs nécessaires au scoring, aligner la durée de conservation sur votre politique de recrutement.
  • Supervision humaine : utiliser l'IA comme aide à la décision, pas comme décideur final automatisé.

Si vous étudiez la « prise de décision automatisée », consultez l'article 22 du RGPD dans le texte officiel sur EUR-Lex. Beaucoup d'équipes choisissent une configuration prudente : classement + raisonnement, les humains décidant de qui avance.

AI Act de l'UE : classer le cas d'usage et documenter les contrôles

L'AI Act de l'UE considère de nombreux cas d'usage de l'IA liés à l'emploi comme à haut risque et attend gestion des risques, documentation et supervision. Les obligations exactes dépendent du rôle de fournisseur ou de déployeur et de la classification du système. Pour le contexte des sources primaires, utilisez le portail de la Commission européenne sur l'AI Act, EU digital strategy.

Concrètement, pour la présélection de CV avec d.vinci, il vous faut :

  • des critères de scoring clairs par poste
  • de l'explicabilité (pourquoi ce score)
  • des journaux d'audit (ce qui a tourné, quand, avec quelles données)
  • une responsabilité définie : recruteurs et managers restent responsables

Betriebsrat : associer la codécision tôt pour les règles de sélection

En Allemagne, les comités d'entreprise peuvent disposer de droits de codécision sur les directives de sélection. Une référence courante est le § 95 BetrVG, disponible sur le site officiel du gouvernement Gesetze im Internet. Son application et ses modalités dépendent de votre configuration exacte et doivent être évaluées avec vos parties prenantes internes.

Une conception souvent plus facile à faire accepter :

  • L'IA classe les candidats et prépare des notes de présélection.
  • Aucun rejet automatique fondé sur le seul score.
  • Les critères sont documentés et ajustables.
  • Les recruteurs peuvent passer outre et doivent confirmer les décisions.

L'outil reste ainsi un assistant et l'explicabilité est préservée dans les échanges sur le recrutement.

Checklist d'évaluation : que demander quand vous comparez les solutions de présélection de CV pour d.vinci

Quand les acheteurs cherchent « présélection IA pour d.vinci », beaucoup d'outils se ressemblent en démo. Les différences apparaissent dans la profondeur d'intégration, la gouvernance et la part de travail qui reste manuelle.

Utilisez cette checklist pour évaluer tout module complémentaire de présélection de CV avec d.vinci (Atlas compris) :

  • Les résultats sont-ils réécrits dans d.vinci ? Si les recruteurs doivent travailler dans une autre interface, l'adoption chute.
  • Le scoring est-il explicable ? Vous voulez un raisonnement court et lisible, pas seulement un chiffre.
  • Peut-on noter par rapport à votre véritable description de poste ? Pas une liste de compétences générique.
  • Peut-on changer les règles de scoring par famille de métiers ? L'ingénierie et la vente partagent rarement les mêmes signaux.
  • Comment les biais sont-ils traités ? Demandez quelles données sont utilisées, lesquelles sont exclues et comment la dérive est surveillée.
  • Quels contrôles de gouvernance existent ? Journaux d'audit, validations, paramètres de conservation, contrôles d'accès.
  • Où les données sont-elles hébergées et traitées ? Particulièrement important pour les acheteurs DACH et du secteur public.
  • Combien de temps dure la mise en place ? Incluez les délais de l'IT, de la sécurité et du comité d'entreprise.
  • Comment la tarification évolue-t-elle ? Par utilisateur ou au traitement d'IA à l'usage : l'économie unitaire change.
  • Peut-on aller au-delà de la présélection ? Planification, brouillons de refus, appui au sourcing, workflows d'onboarding.

Si un éditeur ne répond pas nettement à ces questions, vous risquez d'acheter une « IA qui rédige du texte » plutôt qu'une automatisation qui réduit la charge de travail dans d.vinci.

Où Sprad + Atlas s'intègre dans un environnement de recrutement d.vinci

Sprad est une plateforme RH centrée sur l'IA (parmi ses clients : des marques comme Zalando et Dior, et des employeurs du secteur public comme la ville de Stuttgart). Elle repose sur trois piliers : des workflows de gestion des talents, un système de cooptation et Atlas, le collègue IA de toute la pile RH.

Pour un client d.vinci, cela signifie généralement :

  • d.vinci reste l'ATS et l'ossature du process.
  • Atlas devient la couche d'automatisation et d'intelligence pour des workflows comme la présélection de CV avec d.vinci.
  • Avec le temps, vous pouvez étendre l'automatisation à la cooptation, au sourcing, à l'onboarding et aux routines RH.

Si la cooptation fait partie de votre mix de recrutement, le pilier cooptation est conçu pour s'intégrer aux workflows ATS existants et utilise plusieurs canaux (dont WhatsApp, SMS, Teams, Slack, e-mail). Une référence pour démarrer : le système de cooptation de Sprad, souvent présenté comme un canal à fort ROI qui profite d'une présélection plus rapide dès que les candidats arrivent dans l'ATS.

Notes de mise en œuvre pratiques : ce que « module connecté » veut dire concrètement

« Intégration » peut désigner aussi bien un export CSV qu'un workflow pleinement bidirectionnel. Pour la présélection de CV avec d.vinci, visez une configuration où Atlas peut à la fois lire et écrire :

  • Lire : profil du candidat + CV + description de poste + contexte d'étape et de statut.
  • Écrire : score, note de justification, tags et, en option, prochaine action suggérée.

Pendant la mise en place, définissez trois choses dès le départ :

  1. Votre grille de scoring par poste. Critères indispensables, souhaitables et pondération.
  2. Votre « format d'explicabilité ». Un court paragraphe que les managers lisent vite.
  3. Votre limite de gouvernance. Classement seul ou classement + passage automatique d'étape (beaucoup d'équipes commencent par le classement seul).

Cette clarté en amont évite l'échec le plus courant : un score d'IA qui paraît malin mais ne correspond pas à la façon dont vos managers décident.

Si vous commencez par la présélection de CV avec d.vinci, quelle est l'automatisation suivante à plus fort levier ?

La présélection est souvent la première étape parce qu'elle est répétitive et facile à mesurer. Une fois qu'elle fonctionne, le workflow suivant se trouve généralement juste à côté : coordonner les entretiens et garder les parties prenantes alignées.

Atlas est conçu pour exécuter des routines dans les outils où votre équipe travaille déjà (agenda, e-mail, Slack/Teams, ATS). Pour une vision plus large de cette approche « l'IA sur toute la pile », Sprad la présente dans le Sprad Workspace.

Les extensions courantes sont ensuite :

  • Points de situation pour les managers : un message hebdomadaire qui résume le pipeline et les blocages.
  • Planification : proposer des créneaux, envoyer des réservations, réduire les allers-retours.
  • Brouillons de communication candidats : des messages homogènes, adaptés au poste, que les recruteurs valident.
  • Sourcing actif : trouver et classer des profils, puis suivre la prospection (voir People Search).

Pourquoi c'est important pour la présélection de CV avec d.vinci : vous ne voulez pas d'une solution ponctuelle qui améliore une étape et laisse le reste inchangé. Une approche en module connecté permet de cumuler les gains de temps sur tout le parcours de recrutement.

FAQ : réponses directes sur la présélection de CV avec d.vinci et un module de scoring externe

Est-ce un remplacement de d.vinci ?

Non. L'idée est de garder d.vinci comme ATS et d'ajouter Atlas comme couche d'automatisation qui lit dans d.vinci et y réécrit.

Atlas rejette-t-il automatiquement des candidats ?

Cela peut être configuré de différentes façons, mais beaucoup d'équipes DACH commencent par le seul classement avec un raisonnement transparent. Les humains décident de qui avance.

Que signifie « scoring transparent » en pratique ?

Un score est accompagné d'une courte justification : quelles exigences sont satisfaites, quelles lacunes existent et quels éléments du CV appuient l'évaluation. Cela rend la présélection de CV avec d.vinci auditable et plus facile à discuter avec les managers.

Le scoring peut-il refléter nos vraies exigences de poste ?

C'est l'objectif central de conception : noter par rapport à votre description de poste et à vos critères réels, pas à des listes de mots-clés génériques. Un scoring optionnel sur les schémas de réussite peut s'ajouter avec des contrôles de gouvernance.

Quel impact sur le RGPD et le comité d'entreprise ?

L'IA dans l'emploi exige une gouvernance rigoureuse. Beaucoup d'équipes réduisent le risque en utilisant l'IA comme aide à la décision (classement + raisonnement), en documentant les critères, en limitant les données au nécessaire et en gardant les humains responsables des décisions. Pour le contexte juridique, reportez-vous aux textes officiels comme le RGPD sur EUR-Lex et le § 95 BetrVG sur Gesetze im Internet.

Que mesurer pour prouver la valeur ?

Suivez le temps de présélection par recruteur et par poste, le délai entre la candidature et la première invitation à un entretien, la qualité de la présélection (par exemple le taux entretien-offre) et la satisfaction des managers quant à la clarté de la présélection. Ces indicateurs montrent si la présélection de CV avec d.vinci devient plus rapide et plus cohérente.

Une façon réaliste d'avancer (sans en faire un méga-projet IT)

Si vous voulez tester le scoring par IA au-dessus de d.vinci, un chemin sûr est un pilote restreint :

  1. Choisissez une famille de métiers à recrutement récurrent et aux critères clairs.
  2. Définissez en langage simple les critères indispensables et souhaitables.
  3. Faites tourner le scoring Atlas en parallèle de la présélection humaine pendant une courte période.
  4. Comparez la concordance des classements et ajustez la grille.
  5. Réécrivez ensuite les scores dans d.vinci pour que les recruteurs restent dans un seul flux.

Cette approche garde stable la présélection de CV avec d.vinci pendant que vous validez la qualité du scoring, l'explicabilité et la gouvernance.

Pour le détail produit sur la façon dont Sprad conçoit les workflows et l'automatisation dans les outils RH, les meilleurs points d'entrée sont Sprad Automate pour les workflows clés en main et les intégrations Sprad pour le modèle « tout connecter, réécrire les résultats ».

Jürgen Ulbrich

CEO et cofondateur de Sprad

Jürgen Ulbrich cumule plus de dix ans d’expérience dans la construction et la direction d’équipes et d’entreprises performantes. Expert des programmes de cooptation ainsi que des processus de feedback et de performance, Jürgen a aidé plus de 100 organisations à optimiser leur stratégie d’acquisition et de développement des talents.

Modèles et téléchargements gratuits

Rejoignez la communauté en seulement 26 secondes et profitez d’un accès gratuit à plus de 100 ressources, modèles et guides.

Modèle gratuit de référentiel de compétences (Excel + Sheets)
Vidéo
Gestion des compétences
Modèle gratuit de référentiel de compétences (Excel + Sheets)
Modèle gratuit de matrice de compétences pour Excel et Google Sheets
Vidéo
Gestion des compétences
Modèle gratuit de matrice de compétences pour Excel et Google Sheets

La People Powered HR Community s’adresse aux professionnels RH qui placent l’humain au cœur de leur travail RH et recrutement. Ensemble, transformons notre conviction commune en un mouvement qui change le monde des RH.