Pour gérer vos consentements :

Comment Monster affine le recrutement grâce au Big Data

Jean-Paul Isson

Présent très tôt sur le Web – en étant le 454èmedotcom dans le monde -, Monster s’est fait un nom en rapprochant recruteurs et candidats sur Internet. Une place remise en cause par l’émergence des réseaux sociaux – notamment ceux à vocation professionnelle comme LinkedIn – qui a poussé la société américaine cotée au Nyse à développer ses activités du côté de l’analytique. « Pour la RH, c’est un séisme comparable à celui qu’a connu le marketing dans les années 90, analyse Jean-Paul Isson, le vice-président de Monster en charge de l’analytique. Le capital humain représente 60 à 70 % des dépenses d’une entreprise. Il est donc logique que la science vienne supporter les décisions prises dans ce domaine. L’objectif est d’aller vers une gestion du cycle de vie de l’employé au sein de l’organisation ».

En matière de recrutements, cette évolution se traduit par le moteur de recherche sémantique SeeMore, fruit d’une acquisition réalisée en 2008. Un outil capable de scanner des bases de CV (dont les 145 millions détenus par Monster lui-même) afin d’aider les recruteurs à faire un premier tri parmi les profils. Jean-Paul Isson rappelle en effet qu’examiner un CV demande en moyenne 90 secondes à un recruteur. Mener une campagne de recrutements importante passant par le tri de 10 000 CV par exemple signifie ainsi un travail d’un mois et demi à temps plein pour une personne. Rien que pour sélectionner les candidats à rencontrer. « Les recruteurs ont souvent des critères très précis qu’ils tentent d’agréger dans des recherches booléennes. Mais les résultats sont imparfaits car le contexte dans lequel les mots recherchés sont employés n’est pas pris en compte », note Jean-Paul Isson. D’où l’intérêt de la sémantique qui prend en compte le contexte dans lequel les mots sont utilisés (par exemple Paris associé à un lieu de vie). « SeeMore classe les profils réellement pertinents et permet de simplifier le travail préliminaire de tri des CV », résume le dirigeant de Monster.

Chasse aux profils rares sur les réseaux sociaux

L’interface de TalentBin

Début 2014, la société américaine a également racheté une start-up – TalentBin – afin de muscler son offre couvrant les réseaux sociaux. L’objectif ? Proposer aux recruteurs une solution pour cibler les profils qui ne sont en recherche active d’emploi – donc qui n’écrivent pas de CV. « Cela concerne avant tout les compétences techniques en IT ; des profils que les entreprises ont beaucoup de mal à trouver », dit Jean-Paul Isson. D’où le rachat de cette technologie qui étudie l’empreinte digitale de ces populations (leurs contributions sur GitHub, Google+, Twitter…). « On crée un identifiant unique regroupant toutes ces données et ce sont ces profils agrégés qui sont présentés aux recruteurs », ajoute le vice-président. Monster a ainsi amassé environ 115 millions de profils supplémentaires.

Dernier domaine de diversification pour le site de recrutement : le conseil sur mesure, basé sur des analyses prédictives. Jean-Paul Isson cite par exemple le cas de la société Rent a Car qui a fait appel à Monster pour évaluer quelles seraient les villes les plus appropriées à de nouvelles implantations aux Etats-Unis. « L’analyse combine la détection des villes ayant les candidats les mieux formés ou la qualité des réponses aux offres d’emploi postées dans ces villes, à des données économiques comme la croissance dans ces agglomérations, le taux de chômage ou le coût de l’embauche ainsi qu’à une analyse de l’environnement concurrentiel sur place », précise Jean-Paul Isson. Monster a également développé des modèles permettant d’anticiper la perte des employés clefs au sein des organisations.

A lire aussi :
Big Data : près d’une entreprise française sur deux a un projet
Edouard Fourcade, SAS Institute : « le Big Data heurte la culture française

Crédit photo : jirsak / Shutterstock

Recent Posts

IA générative : l’Autorité de la concurrence pointe de sérieux risques

Dans un avis consultatif, l'Autorité de la concurrence a identifié les risques concurrentiels liés à…

2 jours ago

OpenAI signe un accord de contenu avec Time

OpenAI signe un « partenariat de contenu stratégique » avec Time pour accéder au contenu…

2 jours ago

Atos : David Layani (Onepoint) veut sortir du capital

Au lendemain du rejet de sa proposition de restructuration, David Layani annonce sa démission du…

2 jours ago

Évaluer les LLM, un défi : le cas Hugging Face

Après un an, Hugging Face a revu les fondements de son leaderboard LLM. Quels en…

3 jours ago

Mozilla face au dilemme de la GenAI dans Firefox

Mozilla commence à expérimenter divers LLM dans Firefox, en parallèle d'autres initiatives axées sur l'intégration…

4 jours ago

VMware tente d’orienter vers VCF les déploiements pré-Broadcom

VMware met VCF à jour pour y favoriser la migration des déploiements qui, sur le…

4 jours ago