Un agent IA a envoyé huit candidatures en une semaine, sans décrocher d’entretien

Une IA peut proposer chaque matin des offres pertinentes et préparer une lettre personnalisée pour chaque employeur. Mais si elle ne consulte que le statut des candidatures, une réponse de recruteur risque de passer inaperçue. C’est précisément ce qui est arrivé à l’auteur d’une expérience publiée sur Habr : un message est resté deux jours dans la messagerie avant qu’il ne le découvre lui-même. Pour les développeurs d’agents, la tâche est concrète : vérifier les messages indépendamment des statuts et intégrer les réponses trouvées au suivi global des candidatures.

Au cours de la deuxième semaine, l’auteur a envoyé huit candidatures avec l’aide de l’agent, reçu deux refus et aucune invitation à un entretien. Sur deux semaines, il a comptabilisé 12 candidatures. Il s’agit d’une petite expérience personnelle : il est donc trop tôt pour en tirer des conclusions sur l’efficacité de l’IA dans le recrutement. Les erreurs révèlent toutefois déjà les points où l’automatisation exige des garde-fous techniques.

La sélection est prête, les résultats se font attendre

Chaque jour ouvré, l’agent prépare une sélection d’offres, évalue leur adéquation avec l’expérience de l’auteur et explique les incompatibilités. Une lettre de motivation spécifique est rédigée pour chaque candidature. L’auteur préfère signaler d’emblée ses lacunes, par exemple l’absence d’expérience en machine learning ou sur des systèmes à forte charge.

La sélection repose sur une échelle de dix points, avec un seuil fixé à 6,5. Elle tient compte des responsabilités de direction, de la localisation, des modalités de travail, du type d’entreprise et de l’expérience managériale. Les agences et les sociétés de développement sur commande sont exclues selon les préférences du candidat. Si une compétence obligatoire manque, la note baisse ou l’offre est écartée.

Cette note ne sert toutefois qu’à trier des descriptifs. L’auteur a rejeté une offre ayant obtenu la note requise après avoir échangé avec une connaissance qui avait travaillé dans l’entreprise et lui avait décrit des conditions internes problématiques. L’agent n’avait pas accès à ces informations. L’utilité pratique de la note reste limitée par les données d’entrée : un score de 6,5 ne transforme pas un descriptif de poste en vérification de l’employeur.

Les erreurs surviennent entre les différentes actions

Le dysfonctionnement le plus révélateur concerne le suivi des réponses. Un employeur avait envoyé un message standard indiquant que le CV était en cours d’examen, tandis que la liste des candidatures affichait toujours le statut « Consultée ». L’agent n’a pas intégré ce message au suivi. L’automatisation a lu une source d’information sur l’état de la candidature et en a manqué une autre.

Imaginons un scénario de travail courant : le matin, l’agent annonce qu’aucune réponse n’est arrivée et propose d’envoyer les candidatures suivantes. En réalité, un message attend déjà dans une rubrique voisine. Pour que le compte rendu soit utile, il faut croiser la liste des candidatures avec les échanges et rattacher les messages aux offres concernées. C’est une tâche d’intégration à part entière, facile à oublier lors de la construction d’un premier prototype.

Une autre erreur a touché le journal de suivi : à deux reprises, l’agent a remplacé le contenu du fichier au lieu d’y ajouter une entrée. Une règle « ajouter uniquement » a ensuite été instaurée. La leçon technique consiste à limiter le mode d’écriture disponible : fournir à l’agent une opération d’ajout d’événement, conserver l’historique et vérifier que les entrées précédentes sont toujours présentes. Une simple instruction dans le contexte n’a pas suffi à empêcher la répétition de l’erreur.

Un incident similaire s’est produit lors d’une publication sur LinkedIn : selon le récit de l’auteur, l’ajout d’une image a réinitialisé l’éditeur et le post a été publié sans texte. Il faut ici vérifier l’état final de la publication après toutes les manipulations des pièces jointes.

Les enseignements à appliquer à son produit

L’agent apporte un bénéfice concret : l’auteur ne cherche plus les offres manuellement et les ressources de préparation aux entretiens sont réunies au même endroit. Mais, de son propre aveu, il n’a jamais ouvert cette base documentaire. La création d’un fichier ne signifie pas que l’étape suivante du processus a eu lieu.

Pour un responsable produit, c’est une raison de distinguer les indicateurs : offres trouvées, candidatures envoyées, réponses repérées, invitations et actions de l’utilisateur lui-même. Le compte rendu présente aussi une incohérence : l’auteur mentionne trois candidatures la première semaine et huit la deuxième, pour un total de 12. Il faudrait vérifier ces chiffres avant de tirer des conclusions sur le parcours de candidature.

Pour l’instant, ce cas confirme l’utilité d’un agent pour organiser une recherche d’emploi, tout en montrant le coût du contrôle. La prochaine étape pour le développeur consiste à vérifier la préservation du journal, l’exhaustivité de la lecture des échanges et le résultat des actions externes. Ce sont ces contrôles qui déterminent si l’on peut confier à l’agent les tâches du quotidien.