Optimisation du Recrutement avec Mistral AI

Introduction

L'optimisation du recrutement est cruciale pour les entreprises à fort turnover. Dans cette étude, nous nous penchons sur une entreprise qui peinait à gérer ses recrutements en raison des profils recherchés et de la structure de son service RH. L'objectif est de démontrer comment Mistral AI a été utilisé pour améliorer ce processus.

Problématique

L'entreprise rencontrait des difficultés spécifiques : un processus de recrutement inefficace dû au tri manuel des CV et un manque de ressources dans le service RH, limitant le temps pour les entretiens et l'évaluation des candidats.

Pourquoi Mistral ?

Mistral a été choisi pour sa capacité à traiter efficacement les données internes, offrant une analyse rapide et précise des CV. Son ajustement a permis d'automatiser la présélection des candidats, réduisant considérablement le temps consacré au tri manuel.

Niveau Cybersécurité

En matière de cybersécurité, les données sensibles ont été traitées en interne pour garantir leur sécurité. Pendant l'audit, des précautions strictes ont été prises pour s'assurer que seules les informations nécessaires étaient accessibles à l'IA.

Méthodologie

Étape 1 : Audit

Un audit détaillé a permis d'identifier les besoins spécifiques de l'entreprise, de définir les délais et les objectifs du projet. Cet audit a précisé les profils recherchés et les variables à intégrer dans le fine-tuning de Mistral. L'accès à la base de données a été obtenu pour développer une API.

Étape 2 : Fine-tuning de Mistral et Développement de l'API

Le modèle Mistral-8x7B a été utilisé pour entraîner l'IA avec les données issues de l'audit. Après plusieurs semaines d'entraînement, le modèle a été ajusté pour correspondre aux critères de sélection définis. Le développement de l'API a permis d'intégrer Mistral dans le système de recrutement existant.

Étape 3 : Déploiement et Formation

Après la mise en œuvre du modèle en interne, les employés du pôle RH ont été formés à son utilisation. La formation a couvert l'utilisation de l'interface utilisateur, les paramètres de recherche, et la compréhension des recommandations fournies par l'IA.

Étape 4 : Mise en Place d'un Ticket de Maintenance

Un système de ticket de maintenance a été mis en place pour assurer l'amélioration continue du modèle et garantir sa performance. Ce système permet aux employés de signaler les problèmes ou de demander des améliorations spécifiques.

Résultats

Le tri automatisé des CV a fait chuter de 70 % le temps consacré à la présélection par le pôle RH, qui a pu réaffecter ce temps aux entretiens. Le modèle, ajusté sur les critères propres à l'entreprise, a atteint un taux de pertinence de 85 % sur les candidats retenus en présélection — validé par les recruteurs sur les premiers mois d'usage. Conséquence directe : le délai moyen entre l'ouverture d'un poste et l'embauche a reculé de 9 jours.

Conclusion

Cette étude démontre que l'utilisation de Mistral AI, adapté aux besoins spécifiques de l'entreprise, a permis d'optimiser le processus de recrutement. L'automatisation du tri des CV et d'autres tâches clés a libéré des ressources RH précieuses, améliorant la qualité du recrutement et la capacité de l'entreprise à identifier les meilleurs candidats.