Analyser des CV avec l'IA : Guide Pratique
Tutoriel pas-à-pas pour automatiser l'analyse de CV avec ChatGPT, Claude ou un outil custom. Prompts optimisés, grilles de scoring et bonnes pratiques.
Pourquoi analyser des CV avec l'IA ?
Méthode manuelle (sans IA)
- ✗5-10 min par CV (lecture, prise de notes)
- ✗8-16h pour 100 CV (journée complète perdue)
- ✗Subjectivité élevée (fatigue, biais inconscients)
- ✗Incohérences dans l'évaluation (critères variables)
- ✗Risque de passer à côté de bons profils atypiques
Méthode IA (automatisée)
- ✓10-20 secondes par CV (analyse complète)
- ✓30 min pour 100 CV (gain de 90% de temps)
- ✓Objectivité maximale (critères standardisés)
- ✓Notation cohérente pour tous les candidats
- ✓Détection de potentiel caché (compétences transférables)
Le résultat ?
L'IA ne remplace pas votre jugement final, mais elle élimine 70% des CV non pertinents en quelques minutes, vous permettant de concentrer votre temps sur les 30% de profils qualifiés.
de temps économisé
qualité du shortlist
bon profil manqué
Méthode 1 : Analyse manuelle avec ChatGPT/Claude (gratuit)
Mode d'emploi rapide
Pour 1 à 20 CV, utilisez directement ChatGPT Plus ou Claude Pro
1Préparez votre fiche de poste
Formatez les critères essentiels du poste :
Poste : Data Scientist Senior
Compétences obligatoires : Python, Machine Learning, SQL, statistiques
Compétences souhaitées : PyTorch, MLOps, Cloud (AWS/GCP)
Expérience minimale : 4 ans en Data Science
Secteur préféré : Finance, E-commerce
Formation : Bac+5 (école ingénieur ou Master Data Science)
2Utilisez ce prompt optimisé
# CONTEXTE
Tu es un recruteur expert en [DOMAINE]. Je vais te fournir un CV et une fiche de poste.
# FICHE DE POSTE
[Copier-coller la fiche de poste formatée]
# CV À ANALYSER
[Copier-coller le texte du CV OU uploader le PDF]
# TÂCHE
Analyse ce CV et fournis-moi :
1. Score de matching global (0-100) avec justification
2. Points forts (3-5 éléments clés en adéquation avec le poste)
3. Points faibles (gaps de compétences ou d'expérience)
4. Red flags (trous dans le CV, job hopping, incohérences)
5. Questions à poser en entretien (3 questions ciblées)
6. Recommandation finale : SHORTLIST / ENTRETIEN TÉLÉPHONIQUE / REJET (avec justification)
# FORMAT DE SORTIE
Structure ta réponse en markdown avec des sections claires et des bullet points.
3Exemple de réponse IA
87/100Score de matching
Excellent profil avec 5 ans d'expérience en Data Science, maîtrise Python/ML, et expérience dans le secteur finance.
✓ Points forts
- • 5 ans d'expérience en Data Science (dont 3 ans en finance)
- • Stack technique alignée : Python, Scikit-learn, TensorFlow, SQL
- • Expérience MLOps (Docker, Kubernetes, CI/CD)
- • Formation solide : diplômé CentraleSupélec
- • Progression cohérente (Junior → Senior)
⚠ Points faibles
- • Pas d'expérience explicite PyTorch (mention TensorFlow uniquement)
- • Cloud AWS mentionné mais peu détaillé (à creuser)
- • Aucune mention de projets NLP (selon le CV fourni)
🚩 Red flags
Aucun red flag majeur. Parcours cohérent et progressif.
❓ Questions pour l'entretien
- Pouvez-vous décrire un projet ML que vous avez mis en production de A à Z ?
- Quelle est votre expérience avec PyTorch vs TensorFlow ?
- Comment gérez-vous le monitoring de modèles en production ?
Recommandation finale
SHORTLIST - Candidat hautement qualifié. Profil aligné avec les critères essentiels. Programmer un entretien technique rapidement.
Astuce : Avec Claude, vous pouvez uploader directement le PDF du CV. Avec ChatGPT, convertissez le PDF en texte via un outil OCR ou copiez-collez manuellement.
Méthode 2 : Scoring avancé avec grille de notation
Pour une analyse plus rigoureuse et comparative, utilisez une grille de scoring chiffrée.
Prompt avec grille de scoring (sur 100 points)
# GRILLE DE SCORING CV
Analyse le CV selon ces critères et attribue un score pour chaque catégorie :
1. COMPÉTENCES TECHNIQUES (30 points)
- Compétences obligatoires présentes : [Liste] (20 pts)
- Compétences souhaitées présentes : [Liste] (10 pts)
2. EXPÉRIENCE (25 points)
- Années d'expérience pertinentes (10 pts)
- Qualité des entreprises / projets (10 pts)
- Progression de carrière (5 pts)
3. FORMATION & CERTIFICATIONS (15 points)
- Niveau de diplôme (10 pts)
- Certifications pertinentes (5 pts)
4. SECTEUR / CONTEXTE (15 points)
- Expérience dans le secteur cible (10 pts)
- Taille d'entreprise similaire (5 pts)
5. SOFT SKILLS & CULTURE FIT (10 points)
- Éléments de leadership / autonomie (5 pts)
- Alignement avec nos valeurs (5 pts)
6. BONUS / MALUS (5 points)
- Publications, open source, side projects (+5)
- Red flags : trous, job hopping (-5)
# FORMAT DE SORTIE
Tableau markdown avec score détaillé par catégorie + total.
Exemple de sortie
| Critère | Max | Score | Justification |
|---|---|---|---|
| Compétences techniques | 30 | 26 | Python, ML, SQL ✓ / PyTorch manquant |
| Expérience | 25 | 23 | 5 ans pertinents, entreprises reconnues |
| Formation & certifications | 15 | 14 | CentraleSupélec, certification AWS |
| Secteur / contexte | 15 | 12 | 3 ans en finance (secteur cible) |
| Soft skills & culture fit | 10 | 8 | Leadership projeté (team lead 2 ans) |
| Bonus / Malus | 5 | +4 | Contributions GitHub, speaker meetups |
| TOTAL | 100 | 87 | SHORTLIST PRIORITAIRE |
Interprétation des scores
Méthode 3 : Automatisation complète (100+ CV)
Pour traiter un volume important de candidatures (100+ CV), créez un workflow automatisé.
Architecture technique recommandée
- • Make.com ou Zapier
- • Airtable (base de données)
- • API OpenAI ou Anthropic
- • Google Drive (stockage CV)
- • n8n (auto-hébergé)
- • Supabase (DB)
- • API Claude/GPT-4
- • Script Python custom
- • App web Next.js
- • PostgreSQL
- • API LLM + OCR
- • Dashboard analytics
Workflow type (Make.com)
Trigger : Nouveau CV dans Google Drive
Détection automatique de nouveaux fichiers PDF dans un dossier spécifique
Extraction texte : OCR du PDF
Conversion PDF → texte brut (module Google Cloud Vision ou Adobe PDF Services)
Analyse IA : Appel API Claude/GPT-4
Envoi du texte + prompt de scoring → réception du JSON structuré (score, points forts, recommandation)
Stockage : Airtable
Création d'une ligne avec : nom candidat, score, recommandation, lien PDF, date
Notification : Email au recruteur
Si score > 80 : alerte Slack ou email "Nouveau profil prioritaire à reviewer"
Résultat : Traitement de 200 CV en 1 heure automatiquement, avec dashboard Airtable trié par score décroissant.
7 pièges à éviter
1. Se fier aveuglément à l'IA
L'IA analyse des mots-clés, pas le potentiel humain. Toujours revoir les shortlists avant décision finale.
2. Prompts trop vagues
"Analyse ce CV" → résultat médiocre. Soyez précis : critères, poids, format de sortie attendu.
3. Oublier les biais de l'IA
L'IA reproduit les biais des données d'entraînement. Vérifiez qu'elle ne pénalise pas certains profils (femmes, séniors, reconversions).
4. Ne pas tester le prompt
Testez votre prompt sur 5-10 CV connus avant de l'automatiser. Ajustez jusqu'à obtenir des résultats cohérents.
5. Ignorer la confidentialité
Les CV contiennent des données personnelles. Vérifiez que votre outil est RGPD-compliant (pas de stockage non consenti).
6. Surinvestir trop tôt
Commencez avec ChatGPT manuel. N'automatisez que si vous traitez 50+ CV/mois régulièrement.
7. Ne pas informer les candidats
L'IA Act impose de notifier l'utilisation d'IA. Ajoutez une mention dans l'offre d'emploi.
8. Manquer les profils atypiques
L'IA favorise les parcours linéaires. Relisez manuellement les CV atypiques (reconversions, freelances, gaps).
Checklist de démarrage
Définir des critères objectifs de sélection
Compétences obligatoires/souhaitées, années d'XP, formations, secteurs
Choisir l'outil adapté au volume
<20 CV → ChatGPT manuel | 20-100 CV → Make.com | 100+ CV → Solution custom
Créer un prompt de scoring structuré
Avec grille de notation chiffrée (0-100) et format de sortie standardisé
Tester sur 10 CV connus
Comparer les résultats IA vs votre évaluation manuelle, ajuster le prompt
Vérifier la conformité RGPD
Consentement candidats, droit à l'explication, pas de stockage non consenti
Automatiser si volume > 50 CV/mois
Créer un workflow Make.com ou n8n pour gagner 90% de temps
Garder l'humain dans la boucle
L'IA shortliste, mais le recruteur prend TOUJOURS la décision finale
Mesurer l'impact
Temps gagné, qualité des shortlists, taux conversion entretien → embauche
Besoin d'un outil d'analyse de CV sur-mesure ?
Nous développons des solutions custom d'analyse de CV avec IA adaptées à vos critères métier. Scoring personnalisé, intégration ATS, dashboard analytics.
Demander une démo (30 min)Sans engagement • POC offert • Mise en production sous 2 semaines