Tri automatisé de CV et pré-qualification candidats

Les équipes RH passent des heures à lire des CV hétérogènes (PDF, Word, scans) pour identifier les profils pertinents, avec un fort risque de biais et d'oubli de candidats intéressants.

Un workflow n8n récupère chaque nouveau CV déposé dans une boîte mail ou un ATS, l'OCR extrait le texte, un LLM le structure (expérience, compétences, mobilité), le compare à la fiche de poste et produit un score et une synthèse.

1. 1Déclencheur : nouveau CV reçu (mail, Drive, ATS)
2. 2OCR pour convertir PDF/scan en texte
3. 3Prompt LLM d'extraction structurée (JSON)
4. 4Scoring par rapport à la fiche de poste
5. 5Envoi d'une fiche synthèse au recruteur sur Slack/Teams
6. 6Écriture dans l'ATS avec tag « à revoir » / « prioritaire »

• 70 % de temps gagné sur la pré-qualification
• Traçabilité complète des décisions
• Réduction des biais grâce à une grille commune

Une ETI de services numériques traite 400 CV/mois. Après déploiement, seuls 25 % des CV nécessitent une lecture complète, les autres étant filtrés ou synthétisés.

Tu es assistant recrutement. À partir du CV suivant et de la fiche de poste, retourne un JSON avec { "score": 0-100, "points_forts": [], "points_faibles": [], "resume": "3 phrases" }. CV: {{cv}} Fiche: {{job}}

n8n : Gmail Trigger → OCR (Tesseract/Cloud Vision) → OpenAI (JSON mode) → HTTP Request vers l'ATS → Slack notification.

• Zapier — AI for recruiting