Comment le matching des CV avec l’IA repère le bon profil parmi 200 candidatures

Lundi matin, 200 candidatures vous attendent pour un seul poste. Vous disposez de quelques minutes par dossier, rarement plus. Les postes qualifiés suivent la même pente : selon l’Apec, une offre de cadre a reçu en moyenne 15 candidatures en 2025, contre 13 en 2024 (Pratiques de recrutement de cadres, mai 2026, 1 150 entreprises interrogées).

Les recruteurs s’équipent en conséquence et combinent logiciel de recrutement et IA. D’après la même étude, 8 % des entreprises ont utilisé un outil d’IA pour recruter des cadres en 2025, deux fois plus qu’un an plus tôt. Parmi elles, 38 % s’en servent pour trier les candidatures. Le matching CV IA est la technologie derrière cet usage. Reste à savoir ce qu’elle calcule, ce qu’elle ignore et ce que la loi vous autorise à en faire.

Matching CV IA : définition

Le matching CV IA désigne la comparaison automatisée, par un logiciel d’intelligence artificielle, entre les informations d’un CV et les exigences d’un poste. Le résultat prend la forme d’un classement des candidatures, accompagné d’un score en pourcentage et d’une explication des points forts et des écarts de chaque profil.

Le principe existait avant l’IA. Les job boards et les premiers logiciels de recrutement filtraient déjà les candidatures par mots-clés. L’IA change la nature de la comparaison : elle rapproche « responsable de magasin » et « store manager », et déduit des compétences d’un parcours même quand le candidat ne les nomme pas.

Le matching fonctionne dans deux sens. Il classe les candidatures reçues pour une offre d’emploi. Il retrouve aussi, dans votre CVthèque, les anciens candidats qui correspondent à un nouveau poste.

Parsing, matching, scoring : trois étapes à ne pas confondre

Le parsing extrait les données du CV, le matching les compare à l’offre, le scoring traduit cette comparaison en note. Ces trois étapes s’enchaînent dans cet ordre, et une erreur à la première fausse les deux suivantes.

• Parsing de CV : le logiciel lit le document et le transforme en données structurées (postes occupés, dates, diplômes, compétences).
• Matching de CV : le moteur compare ces données aux critères du poste.
• Scoring CV : chaque candidature reçoit une note, calculée selon le poids donné à chaque critère.

Exemple fréquent : un CV en deux colonnes est lu ligne par ligne, les expériences se mélangent et le score chute sans raison. Avant de douter d’un score, vérifiez la fiche candidat produite par le parsing.

Comment fonctionne le matching CV par IA

Un moteur de matching CV IA fonctionne en quatre étapes : il lit le CV, analyse l’offre d’emploi, compare les deux sur plusieurs dimensions, puis classe les candidatures par score. L’ensemble prend quelques secondes par dossier, là où une lecture humaine demande plusieurs minutes.

• Lecture du CV. Le parsing extrait les informations du document. Les PDF texte et les fichiers Word sont bien lus. Les CV scannés en image, les mises en page en colonnes et les jauges graphiques de compétences provoquent des erreurs.
• Analyse de l’offre d’emploi. L’IA repère les critères du poste : compétences, niveau d’expérience, secteur, localisation, type de contrat. Une offre vague produit un matching vague.
• Comparaison sur plusieurs dimensions. Le moteur rapproche compétences, expérience, formation, secteur et localisation. Les modèles récents convertissent chaque texte en représentation mathématique de son sens, puis mesurent la proximité entre le CV et l’offre.
• Classement des candidatures. Chaque dossier reçoit un score et une explication. Vous commencez la lecture par les profils les plus proches du poste.

Le moteur ne décide rien. Il ordonne la pile de candidatures, et vous gardez la main sur chaque dossier. Cette répartition des rôles vaut pour tout duo ATS et IA.

Matching par mots-clés ou matching sémantique : quelle différence ?

Le matching par mots-clés cherche dans le CV les termes exacts de l’offre. Le matching sémantique compare le sens des textes : il reconnaît les synonymes, les intitulés voisins et les compétences implicites. L’IA générative y ajoute une explication rédigée du résultat.

Critère	Matching par mots-clés	Matching sémantique par IA
Ce qui est comparé	Les termes exacts de l’offre	Le sens des phrases et du parcours
Synonymes et intitulés voisins	Ignorés, sauf si vous les listez	Reconnus
Compétences implicites	Non détectées	Déduites des missions décrites
Résistance au bourrage de mots-clés	Faible	Meilleure, sans être totale
Explication du résultat	Liste des mots trouvés	Résumé des forces et des écarts
Risque principal	Écarter un bon profil mal formulé	Score difficile à vérifier sans explication

Exemple : votre offre demande un « chargé de recrutement » et le candidat se présente comme « talent acquisition specialist ». Le matching par mots-clés ne trouve rien. Le matching sémantique place ce profil en haut du classement.

Scoring CV : comment lire et paramétrer un score de matching

Un score de matching est une moyenne pondérée : chaque dimension du profil reçoit une note, puis un poids fixé selon les priorités du poste. Le score mesure la proximité d’un CV avec vos critères, pas la valeur du candidat. Modifier les poids modifie le classement.

Trois réflexes aident à lire un score correctement :

• Un score se compare uniquement entre candidats d’une même offre. 80 % sur un poste et 80 % sur un autre ne signifient pas la même chose.
• L’explication compte plus que le chiffre. Regardez quels critères font monter ou baisser la note.
• Une information absente du CV pèse souvent comme un zéro. Un candidat qui n’indique pas sa ville perd des points sur la localisation.

Pour le paramétrage, limitez-vous à quatre ou cinq critères par poste. Séparez les critères indispensables des critères souhaités, et fixez les poids avec le manager avant de publier l’offre. Cette grille sert aussi à votre tri de CV manuel.

Exemple chiffré : un même CV, deux pondérations, deux scores

Le même CV peut obtenir 57 % ou 80 % pour le même poste, selon le poids donné à chaque critère. L’exemple suivant est fictif. Il porte sur un poste de responsable de magasin et sur une candidate qui a encadré une équipe pendant six ans en restauration rapide.

Le moteur attribue à son CV quatre notes : 90 sur 100 en management d’équipe, 70 en gestion commerciale, 30 en expérience du secteur et 100 en localisation.

• Pondération A, priorité au secteur : secteur 50 %, management 20 %, gestion commerciale 20 %, localisation 10 %. Score obtenu : 57 %.
• Pondération B, priorité aux compétences transférables : management 40 %, gestion commerciale 30 %, localisation 20 %, secteur 10 %. Score obtenu : 80 %.

Avec un seuil de présélection à 60 %, la candidate sort de votre liste dans le premier cas et figure en tête dans le second. Son CV n’a pas changé. Votre définition du bon profil, si.

Le conseil Softy. Ne fixez pas votre seuil de présélection au hasard. Reprenez un recrutement clôturé, relancez le matching et regardez le score des personnes que vous avez réellement embauchées. Si elles sortent à 65 %, un seuil à 75 % les aurait écartées. Pendant les premières semaines, lisez aussi une dizaine de CV situés juste sous le seuil.

Avantages et limites du matching CV IA pour le recruteur

Le matching CV IA fait gagner du temps sur la présélection et rend l’évaluation plus homogène d’un recruteur à l’autre. Il peut en revanche reproduire les biais de ses données d’entraînement et note mal les parcours qui sortent du cadre. Ses résultats doivent toujours être vérifiés par un humain.

Les gains : un temps de traitement divisé par 3 chez Softy

Chez Softy, le matching IA a permis de diviser par 3 le temps de traitement des candidatures. Le gain vient de l’ordre de lecture : le recruteur commence par les profils les plus proches du poste au lieu de parcourir les dossiers par date d’arrivée.

Trois autres bénéfices s’ajoutent à ce gain de temps :

• Des réponses plus rapides aux candidats. Les meilleurs profils sont contactés en premier, avant qu’un concurrent ne le fasse.
• Une CVthèque qui travaille. À chaque nouvelle offre, le moteur repasse sur les anciens candidats et fait remonter ceux qui correspondent.
• Une grille commune. Recruteurs et managers évaluent les candidatures sur les mêmes critères, ce qui réduit les désaccords en fin de processus.

Les limites : biais algorithmiques et profils atypiques

Un moteur de matching apprend à partir de données passées et peut en reproduire les discriminations. Il sous-évalue aussi les reconversions, les parcours discontinus et les CV rédigés hors des codes habituels.

Le risque est mesuré. En octobre 2024, des chercheurs de l’Université de Washington ont testé trois modèles de langage sur plus de 550 CV et 500 offres d’emploi. Les modèles ont favorisé les prénoms associés à des personnes blanches dans 85 % des cas, et les prénoms féminins dans 11 % des cas seulement.

Deux précautions limitent ce risque. Excluez du calcul les données sans lien avec le poste : nom, photo, âge, adresse exacte. Gardez aussi une lecture manuelle pour les profils atypiques. Un candidat venu de l’hôtellerie qui postule en relation client obtiendra une note faible sur le secteur, alors que ses compétences se transfèrent très bien.

Dernier piège : la fausse précision. Entre un score de 72 % et un score de 74 %, la différence n’a aucune signification.

Côté candidat : ce que le matching CV IA change

Les candidats savent que leur CV est lu par un logiciel et l’adaptent en conséquence. Selon l’Apec, 30 % des cadres en recherche d’emploi ont déjà utilisé l’IA pour leur CV, leur lettre de motivation ou la préparation de leurs entretiens (Les cadres et l’IA, mai 2026). Vos résultats de matching en portent la trace.

Des CV optimisés pour passer le matching

Des outils en ligne comparent un CV à une offre d’emploi et indiquent au candidat les mots-clés à ajouter pour améliorer son score. Les candidatures deviennent plus homogènes, parfois gonflées, et un matching par mots-clés ne sait plus les départager.

Trois pratiques reviennent souvent : reprendre les mots les plus fréquents de l’annonce, faire rédiger le CV par une IA en quelques minutes, ou glisser des mots-clés en texte blanc, invisibles à l’œil mais lus par le logiciel.

Votre parade tient en deux points. Privilégiez un moteur qui évalue les preuves (durées, responsabilités, résultats chiffrés) plutôt que la fréquence des mots. Vérifiez ensuite en entretien ou par un test les compétences que le CV affirme. Un candidat qui se contente d’optimiser son CV pour les ATS, avec un format lisible, ne triche pas : il vous facilite le travail.

Transparence : ce qu’il faut dire aux candidats

Vous devez informer chaque candidat qu’un outil d’IA participe à l’analyse de sa candidature, avant de l’utiliser. L’article L. 1221-8 du Code du travail impose d’informer expressément le candidat des méthodes et techniques d’aide au recrutement utilisées à son égard.

Placez cette information dans l’offre d’emploi ou dans l’accusé de réception de la candidature. Précisez ce qui est analysé, qui décide et comment demander un réexamen. Exemple de formulation :

« Votre candidature est analysée avec l’aide d’un outil d’intelligence artificielle qui compare votre CV aux critères du poste. Un recruteur examine ensuite les candidatures et prend seul la décision. Vous pouvez demander le réexamen de votre dossier à l’adresse suivante. »

Cette transparence sert aussi votre expérience candidat. Un candidat qui comprend comment son dossier est traité accepte mieux une réponse négative.

Mettre en place le matching CV IA : cadre légal et bonnes pratiques

Mettre en place le matching CV IA demande trois choses : des critères de poste clairs, une validation humaine systématique et un outil conforme au RGPD et à l’AI Act. Commencez par un test sur un recrutement déjà clôturé avant de généraliser.

La qualité du matching dépend d’abord de votre offre d’emploi. Rédigez des critères concrets : « encadrement d’une équipe de 10 personnes » se compare mieux que « leadership ». Formez ensuite recruteurs et managers à lire un score, pour qu’ils le traitent comme un ordre de lecture et non comme un verdict.

RGPD et AI Act : ce que la réglementation impose

Le RGPD interdit de rejeter une candidature par une décision entièrement automatisée, et l’AI Act classe les outils d’analyse et de filtrage des candidatures parmi les systèmes d’IA à haut risque. Les obligations liées à ce classement s’appliqueront le 2 décembre 2027.

• RGPD, article 22. Toute personne a le droit de ne pas faire l’objet d’une décision fondée exclusivement sur un traitement automatisé qui l’affecte de manière significative. La CNIL rappelle que la personne peut demander une intervention humaine, exprimer son point de vue et contester la décision. En pratique : l’outil classe, un recruteur décide.
• AI Act. L’échéance initiale du 2 août 2026 pour les systèmes à haut risque a été reportée au 2 décembre 2027 par le règlement (UE) 2026/1744, publié au Journal officiel de l’Union européenne le 24 juillet 2026. À cette date, l’entreprise utilisatrice devra assurer un contrôle humain, informer les candidats et les représentants du personnel, et conserver les journaux d’utilisation.
• Code du travail. Le CSE doit être informé avant l’utilisation de toute méthode ou technique d’aide au recrutement (article L. 2312-38).

Le report de l’AI Act ne suspend ni le RGPD ni le Code du travail, qui s’appliquent déjà. Le guide Softy sur IA et RGPD dans le recrutement détaille les démarches à engager dès maintenant.

Checklist : 8 questions à poser à un éditeur de logiciel de recrutement

Huit questions suffisent pour évaluer un outil de matching CV IA avant de l’acheter. Elles portent sur le calcul du score, la place laissée au recruteur, les biais et la conformité. Un éditeur sérieux répond à chacune par écrit.

• Sur quels critères le score est-il calculé, et puis-je les modifier poste par poste ?
• Le score est-il expliqué pour chaque candidat ?
• L’outil écarte-t-il des candidatures automatiquement, ou se limite-t-il à les classer ?
• Quelles données du CV sont exclues du calcul (nom, photo, âge, adresse) ?
• Comment les biais sont-ils testés, et à quelle fréquence ?
• Où sont hébergées les données, et servent-elles à entraîner le modèle ?
• Quels formats de CV le parsing lit-il correctement ?
• Quelle documentation fournissez-vous pour le RGPD et l’AI Act ?

Testez le matching CV IA sur l’une de vos offres. Softy intègre un matching IA fondé sur des critères que vous rédigez en langage courant : compétences, expérience, savoir-être. Chaque candidature reçoit un résumé de ses forces et de ses écarts par rapport à l’offre, et le recruteur garde la décision. Demandez une démonstration de Softy pour voir le classement obtenu sur un poste que vous recrutez en ce moment.

FAQ : matching CV IA