Sites Inria

English version

Collaboration

Jérôme Guedj - 18/04/2016

Keycoopt et Inria font entrer le machine learning dans le monde du recrutement par recommandation

© Keycoopt

Permettre aux entreprises de recruter des cadres par cooptation : c’est le concept de Keycoopt. Née en 2012, cette start-up lilloise a fait appel au savoir-faire d’Inria pour concevoir un outil logiciel afin d’automatiser et de renforcer la pertinence du recrutement par cooptation.

Le marché du recrutement se digitalise fortement par l’intermédiaire des réseaux sociaux professionnels (Linkedin, Viadeo, etc.). Mais le réseau joue aussi un rôle essentiel : d’après la dernière enquête annuelle de l’APEC, 39% des entreprises déclarent avoir eu recours à la cooptation des salariés pour trouver des candidats. Jeune start-up lilloise, Keycoopt propose de lier ces deux tendances grâce à une plate-forme d’« e-cooptation ». Le principe ? Pour le compte d’entreprises, elle envoie des annonces ciblées à un réseau d’experts métiers (près de 30 000 en 2016) en fonction de leur localisation, de leur métier et de leur secteur. Baptisés « coopteurs », ils sont alors chargés de mobiliser leur réseau de connaissances afin de recommander le candidat dont le profil répond le mieux au besoin du recruteur. Keycoopt permet aux entreprises de rencontrer des candidats difficilement identifiables via des outils classiques. « Par la recommandation, on peut dénicher un profil atypique qui fait la différence et qui n’aurait jamais postulé !  », indique-t-on du côté de Keycoopt.

Un algorithme pour optimiser la sélection des coopteurs

En mai 2015, Keycoopt a signé un contrat de collaboration avec l’équipe de recherche Magnet (commune avec l'Université Lille 3*) d’Inria Lille - Nord Europe, spécialisée dans la définition de méthodes et de modèles de « machine learning », ou encore « apprentissage artificiel », au sein de réseaux d’informations. L’objectif de ce partenariat : automatiser le système de sélection des coopteurs, effectué jusqu’à présent de façon « manuelle » par les collaborateurs de Keycoopt. François Noyez, ingénieur dédié au transfert de technologie au sein du programme InriaTech (lire ci-dessous) et Rémi Gilleron, professeur d’informatique et chercheur au sein de Magnet, ont travaillé en binôme pour proposer un logiciel. L’équipe de recherche a ainsi opéré un « matching  » entre les données non-textuelles des annonces (classification par catégories, secteur, service, zone géographique, typologie de métiers…) et celles appartenant aux coopteurs, afin d’identifier ceux qui seraient les mieux à même de proposer des profils pertinents. L'algorithme de classement utilise des séparateurs linéaires à vastes marge. Il a été implanté sous forme de prototype dans le langage Python. « C’est un langage de programmation très usité au sein de la communauté de chercheurs, pour lequel il existe déjà des modules et toolbox efficaces pour faire du machine learning », précise François Noyez. « Le programme a ensuite été intégré au système d'information de Keycoopt.  ».

Le « machine learning » au service du « crowd recruiting »

À l’image de KissKissBankBank, de nombreuses start-up et entreprises numériques font appel aux services de Keycoopt. Parmi les six cents entreprises séduites par cette solution de recrutement, on retrouve aussi de grands noms comme L’Oréal, Orange ou Cartier. Conséquences : une réactivité accrue et un éventail plus large des possibilités de recommandations à prendre en charge. « C’est en cela qu’intervient le machine learning : à partir de données quantitativement importantes, il permet de trouver des corrélations que l’humain ne peut trouver seul ou aussi facilement  », indique Rémi Gilleron. « In fine, les prédictions sont plus pertinentes, elles correspondent davantage à la réalité  », souligne le data scientist François Noyez.

Livré en décembre 2015, le logiciel d’apprentissage automatique conçu pour Keycoopt pourrait être enrichi et faire l’objet d’un nouveau partenariat dans les mois à venir. « Pour affiner la pertinence des recommandations automatiques, il s’agirait d’exploiter les données textuelles des coopteurs, comme le parcours professionnel et d’autres éléments de curriculum vitae, et de les croiser avec une partie plus axée sur la description complète de l’annonce telle que fournie par le client de Keycoopt. », explique François Noyez. « Par ailleurs, ne pas exploiter uniquement le fait de savoir si la personne a finalement été embauchée ou non, mais également  les raisons plus précises de cette décision, par le biais de commentaires formulés par les coopteurs et les consultants de Keycoopt », complète Rémi Gilleron. Ce qui permettrait également aux coopteurs de recevoir des annonces toujours plus en adéquation avec leur réseau professionnel et, pour Keycoopt, de réduire la durée de la recherche de candidats recommandables.

Machine learning  : le recruteur de demain ?

Le machine learning au service de la recommandation constitue une problématique de recherche et de développement nouvelle pour Inria, qui bénéficie des compétences technologiques apportées par le récent dispositif InriaTech. « Scientifiquement, ce projet de recherche et développement nous donne l’opportunité d’explorer des méthodes nouvelles d’analyse de texte et de réseau », se réjouit Rémi Gilleron. Keycoopt, qui se positionne comme le TripAdvisor du recrutement, s’inscrit dans la lignée des nouvelles entreprises de l’économie collaborative. Le « crowd recruiting » est-il pour autant le signe d’une ubérisation du recrutement ? Le machine learning peut-il remplacer, à terme, un recruteur ou un chargé de ressources humaines ? « Pour l’instant, l’objectif est plus modeste : il s’agit plutôt de remplacer le modèle du chasseur de tête par des méthodes collaboratives, pour lesquelles l'apprentissage automatique peut aider à recommander, suggérer et choisir dans des espaces de solutions très grands. C’est un défi scientifique qui répond aux besoins et aux enjeux actuels de notre société, de plus en plus tournée vers l’économie collaborative  », souligne Rémi Gilleron. « Le but ici est d’émettre des propositions soumises à la validation d’un expert métier. De mon point de vue, si la machine peut proposer des profils, la décision de recrutement reste de l'ordre de l'humain.  », conclut François Noyez.

InriaTech : un dispostif pour faciliter le transfert technologique

Mis en place en avril 2015, InriaTech est un dispositif du centre Inria Lille - Nord Europe. Il est dédié au transfert de technologie et au développement de la R&D dans la région lilloise. À l’origine de cette initiative : favoriser les collaborations entre les équipes-projets Inria et les entreprises innovantes de la région lilloise. Implanté à EuraTechnologies, InriaTech regroupe actuellement une dizaine d’ingénieurs et chargés des projets et partenariats avec les entreprises. À ce titre, chaque collaborateur a son domaine de compétences : interface Homme-machine, machine learning , robotique, maillage statistique… « Cette structure représente une évolution importante pour Inria. Elle permet de réagir à des projets de collaboration à court terme avec des entreprises, et d'étendre la sphère de compétence développement logiciel à de nouveaux domaines comme la science des données, les logiciels interactifs, ou la robotique. », décrit François Noyez.

Sa mission est aussi d’encourager et de faciliter la création de start-up issues des équipes-projets Inria. Financé majoritairement par la Région Hauts-de-France,  la Métropole Européenne de Lille, et le Fonds européen de développement économique régional (FEDER), InriaTech espère atteindre l’autosuffisance d’ici à trois ans par le financement des projets recherche et développement par les partenaires industriels.

* au sein de l'UMR 9189 CNRS-Centrale Lille-Université Lille1, CRIStAL.

Mots-clés : Machine learning Recommandation Équipe Magnet Crowd recruiting Recrutement par recommandation Cooptation

Haut de page

Suivez Inria tout au long de son 50e anniversaire et au-delà !