Pourquoi le scoring bat la recherche par mots-clés

Chaque recruteur a une chaîne booléenne dont il est fier. Certaines sont des œuvres d’art — OR imbriqués, NOT, parenthèses de secours affinées sur cinq ans.

Et chaque recruteur a vécu la même expérience : la chaîne retourne 600 candidats, les 50 premiers semblent corrects, et au candidat 200 vous voyez des ingénieurs commerciaux, des chefs de projet, et quelqu’un qui a assisté à une conférence JavaScript.

La chaîne booléenne a fait son travail. Elle a récupéré tout ce qui correspondait aux mots. Le problème est que faire correspondre les mots a cessé d’être une bonne définition de la pertinence il y a environ dix ans.

Récupération vs classement

Les moteurs de recherche ont une séparation claire entre récupération (trouver des documents plausibles) et classement (décider lesquels sont vraiment les meilleurs). Les outils de sourcing à la LinkedIn sautent largement la deuxième étape. Ils récupèrent, proposent un tri faible (pertinence, récence), et s’arrêtent là.

Le scoring est l’étape de classement qui manquait. Bien fait, il prend l’ensemble large récupéré et produit une shortlist qui a vraiment la forme d’une shortlist.

Ce qu’un vrai score de pertinence regarde

Un score utile est multidimensionnel. Les dimensions exactes dépendent du rôle, mais pour la plupart des postes intellectuels elles ressemblent à :

• Correspondance des compétences — pas juste s’ils ont Python sur leur profil, mais s’ils ont livré le type de travail Python que ce rôle demande.
• Profondeur d’expérience — les années sont un proxy faible ; la vraie question est s’ils ont couvert la surface que le rôle décrit.
• Calibration de séniorité — est-ce que leurs 24 derniers mois de travail ressemblent à une personne qui accepterait ce titre, ou qui s’en sentirait insultée.
• Transfert sectoriel — la correspondance directe est meilleure, mais les secteurs adjacents avec des patterns partagés sont souvent presque aussi bons.
• Trajectoire — la carrière va-t-elle dans la bonne direction pour ce rôle, ou dans une direction suggérant un refus poli.
• Signaux d’ouverture à la conversation — changements récents de poste, posts publics, ancienneté chez l’employeur, et une douzaine d’autres signaux qui prédisent une réponse.

Chaque dimension est un nombre. Le composite est un score unique. Les dimensions sont visibles, vous pouvez voir pourquoi un candidat a été classé là où il est.

Pourquoi c’est difficile pour les outils traditionnels

Les outils à mots-clés ne peuvent pas faire cela, non pas parce que personne n’y a pensé, mais parce que cela nécessite de lire chaque candidat, pas juste faire correspondre des chaînes. Lire chaque candidat est coûteux — en calcul et en dollars. Pendant longtemps, les calculs ne fonctionnaient pas.

Ça marche maintenant. Les modèles modernes de raisonnement peuvent lire un profil, l’évaluer selon les exigences d’un poste, et écrire une courte justification, en moins d’une seconde et pour une fraction de centime. Cela a réécrit ce qui est possible en haut de l’entonnoir.

Ce qui change en aval

Les recruteurs qui passent du retrieval seul au retrieval plus scoring rapportent le même schéma.

La première vague de shortlists est plus petite, par conception — 30 candidats au lieu de 300. Le taux de passage chez le hiring manager augmente. Le nombre de candidats qui prennent réellement un appel double, parfois triple. Le recruteur passe son temps sur les personnes qui peuvent embaucher, pas sur celles qui n’auraient jamais dû figurer sur la liste.

La chaîne booléenne était un art. Le scoring est ce qui la remplace.