arca24 blog - from ats to ars

Actualités | 18.03.2020

Nous vivons aujourd’hui dans un monde de plus en plus digitalisé et hyperconnecté, où les entreprises comme les individus ressentent le besoin de mieux gérer et contrôler le flux d’informations – à l’entrée comme à la sortie.

D’où le besoin croissant d’être toujours connecté en temps réel ; un besoin qui a encouragé la multiplication des outils et des canaux de communication, c’est-à-dire le boom des réseaux sociaux, avec une augmentation de la quantité de données et d’informations à gérer.
Il s’agit d’un phénomène mondial qui, surtout ces dernières années, a eu un impact important sur le monde du recrutement.

Recrutement

Il y a quelques années encore, le recrutement se faisait exclusivement par la publication d’annonces dans le journal, ce qui générait la réception de candidatures sur papier.
Aujourd’hui, le processus d’Acquisition de Talents est complètement révolutionné : les offres d’emploi sont en ligne 7 jours sur 7 et visibles dans le monde entier. Cela génère une quantité d’informations qui nécessite d’outils et de processus de pointe, loin de la simple utilisation du courrier électronique et/ou du support papier pour collecter les CV reçus.

Nouveaux outils

Dans une perspective de plus en plus digitale, les entreprises ont commencé à utiliser des outils technologiques pour optimiser l’Acquisition de Talents et gérer les CV : les Applicant Tracking Systems, ou systèmes de gestion des candidatures.
Les systèmes de gestion des candidatures sont des outils capables de construire des CVthèques consultables à la demande, rapidement et efficacement, en optimisant le temps et les ressources dans le recrutement.
Cependant, les besoins du secteur RH sont en constante évolution, ce qui nécessite l’adoption d’outils de plus en plus innovants ; c’est pour cela qu’aujourd’hui, nous ne parlons plus d’Applicant Tracking System, mais d’Applicant Ranking System.

Essayons de comprendre la différence

Avec un ARS (Applicant Ranking System) nous faisons référence à une version moderne du suivi des candidatures ; l’avantage par rapport à l’utilisation d’un Applicant Tracking System classique est la possibilité de ranger les candidats par compétences acquises automatiquement, c’est-à-dire de faire un « classement », par rapport à une ou plusieurs recherches/offres d’emploi.
Les ATS traditionnels ont la possibilité de rechercher des profils par filtres et mots clés (recherche booléenne) ; un système qui, bien que représentant une étape historique par rapport à la gestion manuelle des programmes d’études, semble désormais dépassé par la nécessité d’avoir un vivier de candidats de plus en plus pertinent.

Notre solution

La technologie qu’Arca24 utilise dans Talentum, son logiciel de recrutement et gestion de candidatures, est basée sur une Intelligence Artificielle capable de faire correspondre des profils et des annonces d’emploi en 7 langues (anglais, français, allemand, italien, espagnol, portugais et polonais), même lorsque la langue du CV est différente de celle de l’offre.
Il s’agit d’un système développé pour assurer la pertinence de l’analyse sémantique, en réduisant les marges d’erreur et en augmentant le contenu pouvant être traité par la machine.
Le résultat ? Plus de pertinence et précision dans la lecture des compétences des candidats pour un meilleur matching entre les compétences professionnelles et les emplois.

Les avantages

Pour mieux comprendre le potentiel du système de classement des candidats par rapport à un système de suivi des candidats, voyons quelques exemples :

  • Un grand nombre de candidats. Si je reçois un grand nombre de candidatures pour une offre d’emploi, je n’aurai plus besoin de les traiter toutes. Le moteur de correspondance n’affichera pas les profils qui ne correspondent pas à la sélection, mais seuls les profils pertinents seront triés par ordre décroissant (de la compatibilité à 100 % à la mise à l’échelle). De cette façon, j’aurai une optimisation du temps et des ressources et une plus grande efficacité des processus.
  • Peu de candidats, qui sont difficiles à identifier. Le moteur sémantique est utile même lorsque le problème n’est plus la quantité mais la qualité des CV reçus ; en effet, le système est capable de lire les tâches des candidats sans qu’il soit nécessaire de remonter jusqu’à un « titre professionnel » spécifique.

Par exemple, pensons aux profils professionnels ayant de très bonnes compétences mais qui n’ont pas l’habitude et/ou l’expérience de la rédaction d’un CV. Dans un système ATS classique, ces candidats sont pénalisés et souvent ne sont pas identifiés. Ainsi que les jeunes talents qui, lors de leur première expérience professionnelle, reçoivent des titres de postes spécifiques à l’organisation mais qui ne peuvent être trouvés à l’extérieur ; en entrant sur le marché du travail, ces candidats auront la tendance à utiliser le titre qui leur a été donné dans le passé, risquant ainsi de ne pas être trouvés. Dans ce cas également, l’intelligence artificielle lira les tâches effectuées et les compétences acquises (au-delà du rôle spécifique), en identifiant les compétences recherchées.

Le temps et l’efficacité sont les moteurs qui nous amènent à développer des systèmes de classement des candidats tels que Talentum.