Type d'activité : services

Rédiger les offres d’emplois grâce à l’IA générative

+ de 0

offres créées depuis le lancement du pilote

0 %

de taux de satisfaction des utilisateurs

0 min

vs 38 minutes est le taux moyen pour créer une offre

Client :

Technologies utilisées :

Traitement automatique des langues

IA Générative

Métier : Ressources Humaines

Le groupe Crit a développé son réseau de travail temporaire en France et à l’international grâce à un important programme d’ouverture d’agences et une politique de croissance externe. Le groupe a poursuivi sa politique commerciale sélective qui préserve la qualité de ses contrats, tant auprès des PME-PMI, son coeur de clientèle, que des grands comptes sur lesquels le groupe a renforcé de façon continue son développement.

Source : https://www.linkedin.com/company/crit-int-rim

Enjeux

CRIT SAS (Une équipe de recruteurs dispatchés dans 600 agences en France) souhaite mettre à profit les nouvelles avancées dans le domaine de l'IA générative pour améliorer son process de rédaction d'offres d'emploi en accélérant la rédaction des offres (aujourd’hui 14min en moy) et en harmonisant la rédaction au sein des différentes agences
L'objectif du projet est de développer une preuve de concept permettant d'évaluer la pertinence des IA génératives pour la rédaction des offres d'emplois
Le périmètre de l'étude a été restreint aux offres d'intérim

Démarche

Etude des offres d'emplois rédigées par CRIT
Mise en place d'un formulaire streamlit
Développement d’un 1er modèle de rédaction (base API GPT3,5 et GPT4 d’OpenAI)
Construction de prompts à partir des inputs et test de différentes "modes d'échanges"
Evaluation et déploiement OVH
Mise en place d’un système d’évaluation de la qualité des offres
Développement d’une V2 en prenant en compte les améliorations

Résultat

Plus de 3 000 offres créées depuis le lancement du pilote
98% de taux de satisfaction des utilisateurs
Taux moyen pour créer une offre est de 3 min vs 38 minutes
Possibilité pour le recruteur de retoucher le texte
Adaptation des prompts selon les cas spécifiques pour améliorer la qualité des réponses
Evaluation du modèle note moyenne 15 vs 12 sur des offres rédigées par des agents.