Construire un site emploi IA par compétences pour capter les profils passifs

Les meilleurs profils ne déposent pas de CV. Ils sont en poste, chassés, et ne consultent jamais les sites d’emploi. Les données LinkedIn estiment que 70 pourcents de la main-d’oeuvre mondiale est composée de candidats passifs, ouverts à la bonne opportunité mais inaccessibles aux annonces classiques (données LinkedIn). Les jobboards ne touchent que les 27 à 30 pourcents de candidats actifs.

Pour capter ce talent caché, une autre logique s’impose : un site d’emploi par compétences, qui révèle les profils au lieu d’attendre leur candidature, et qui ignore l’âge, le sexe ou le diplôme.

Comment construire une telle plateforme, et quelles techniques permettent de cartographier les compétences par l’IA ? Voici un panorama des méthodes et une architecture concrète pour bâtir un matching par compétences.

Temps de lecture : 16 min

Pourquoi un site emploi par compétences change-t-il la donne en 2026 ?

Un site emploi IA par compétences est une plateforme qui met en relation candidats et postes à partir des seules compétences démontrées, sans tenir compte de l’âge, du sexe, du diplôme ni du nom. Il inverse la logique du jobboard : il ne classe pas des candidatures reçues, il révèle des profils pertinents.

Le talent qui ne postule jamais

La majorité du vivier est invisible. Les données LinkedIn situent à 70 pourcents la part de main-d’oeuvre passive, et 87 pourcents des salariés se disent ouverts à une opportunité même sans recherche active (données LinkedIn). Les meilleurs sont en poste et n’ouvrent jamais un site d’emploi.

Les jobboards classiques se disputent donc une minorité de candidats actifs. Pour atteindre le reste, il faut une approche par compétences qui fait remonter un profil sans qu’il ait à candidater. Cette logique prolonge notre analyse sur le recrutement par compétences et le CV anonyme.

Moins de biais, plus de pertinence

En masquant les données personnelles au stade du matching, la plateforme réduit la discrimination directe. Le rapprochement se fait sur ce que la personne sait faire, pas sur son parcours. C’est aussi un gain de pertinence : un profil atypique mais compétent remonte enfin.

Cette approche se distingue des jobboards et de leur matching, que nous détaillons dans notre article sur les sites d’emploi à l’ère du matching IA. Ici, la compétence est le seul point d’entrée.

Qu’est-ce qu’un référentiel de compétences et à quoi sert-il ?

Avant de cartographier, il faut un langage commun. Un référentiel de compétences fournit ce vocabulaire normalisé, sans lequel chaque profil et chaque offre parleraient une langue différente.

ESCO, O*NET, Lightcast

Trois référentiels dominent. ESCO, porté par la Commission européenne, est multilingue et relie compétences, qualifications et métiers. Lightcast Open Skills recense plus de 32 000 compétences, extraites de centaines de millions d’offres et de profils, mises à jour toutes les deux semaines.

O*NET, aux États-Unis, suit une approche descendante fondée sur des enquêtes auprès des métiers. Lightcast adopte au contraire une logique ascendante, tirée du marché réel. Pour un projet européen, ESCO offre l’avantage du multilinguisme et de la conformité.

Pourquoi ne pas créer sa propre liste

Bâtir un référentiel maison paraît tentant, mais c’est un piège. Maintenir des milliers de compétences à jour, gérer les synonymes et les relations dépasse les moyens d’une équipe. Les compétences techniques évoluent vite, et une liste figée vieillit en quelques mois.

S’appuyer sur un référentiel ouvert et maintenu fait gagner un temps considérable. Chaque compétence y porte un identifiant unique exploitable par la machine, ce qui fiabilise tout le reste de la chaîne de matching.

Le choix du référentiel oriente aussi la couverture métier. Lightcast, tiré de centaines de millions d’offres, suit en temps quasi réel l’apparition de compétences nouvelles, utile dans les domaines techniques mouvants. ESCO, plus institutionnel, garantit la cohérence multilingue à l’échelle européenne. Combiner un socle stable et une source de marché réactive donne souvent le meilleur compromis entre fiabilité et fraîcheur.

Évaluez votre maturité IA en 5 minutes avec notre Diagnostic IA gratuit.

Comment cartographier les compétences des candidats avec l’IA ?

La cartographie des compétences est le coeur du système. Elle combine plusieurs techniques complémentaires, du vocabulaire normalisé jusqu’à l’inférence des savoir-faire cachés.

Du texte au vecteur

La première brique est l’extraction. Le traitement automatique du langage repère les compétences dans un texte libre, puis les rattache au référentiel. La deuxième brique est le plongement lexical : compétences, profils et postes deviennent des vecteurs comparables par similarité.

Ce matching sémantique dépasse le mot-clé. Pilotage de projet et gestion de projet se rapprochent, même sans formulation identique. Cette mécanique de vecteurs est la même que celle décrite dans notre dossier sur les embeddings et la recherche vectorielle.

Le graphe de compétences et l’inférence

La brique la plus puissante est le graphe de connaissances appliqué aux compétences. Il relie les savoir-faire proches et déduit ceux qui ne sont pas déclarés : maîtriser un outil implique souvent d’en connaître d’autres liés.

Les plateformes de talent intelligence comme Eightfold revendiquent des graphes de plus d’un million de compétences, dérivés de milliards de trajectoires professionnelles, capables de faire remonter des profils qu’une recherche par mots-clés manquerait. L’inférence s’appuie aussi sur des signaux concrets : contributions, projets, certifications.

Cette capacité d’inférence est ce qui distingue une vraie plateforme de compétences d’un simple moteur de mots-clés. Un candidat qui ne mentionne pas une compétence peut la posséder, prouvée par ses réalisations. Le graphe la déduit et fait remonter le profil pour un poste qu’il n’aurait jamais vu autrement. C’est précisément ainsi que l’on atteint le talent qui ne se déclare pas et ne postule pas.

Faut-il et peut-on recruter sans CV, sans âge ni diplôme ?

L’ambition d’un matching par compétences pures soulève une question légitime : est-ce permis, et est-ce efficace ? La réponse est oui, sous conditions.

Un cadre légal favorable mais exigeant

Le droit du travail interdit déjà la discrimination à l’embauche sur des critères protégés. Masquer l’âge, le sexe et le nom au stade du matching limite donc le risque, plutôt qu’il ne le crée. Le CV anonyme, lui, n’a jamais été rendu obligatoire en France, comme nous l’expliquons dans notre dossier dédié.

Mais une plateforme de tri par IA reste un système à haut risque au sens de l’AI Act. Elle exige supervision humaine, transparence et maîtrise des biais. Aucune décision de rejet ne peut reposer sur l’IA seule, selon l’article 22 du RGPD et l’article 14 de l’AI Act. Notre guide sur l’AI Act et le recrutement détaille ces obligations.

La preuve plutôt que la déclaration

Recruter sans diplôme ne veut pas dire recruter à l’aveugle. La compétence se prouve : tests pratiques, cas concrets, portfolios, contributions vérifiables. La preuve remplace le signal du diplôme, souvent peu fiable dans des métiers qui se réinventent vite.

Cette bascule rejoint un mouvement de fond du marché. Une large part des recruteurs place désormais le recrutement par compétences en priorité, et les grandes plateformes professionnelles ont investi dans des taxonomies de compétences et des filtres de recherche par savoir-faire plutôt que par diplôme. Le diplôme devient un indice parmi d’autres, plus un couperet automatique en tête de processus.

Cette logique convient particulièrement aux métiers techniques et IA, où le travail livré parle plus qu’un titre. Pour ces profils, voir notre analyse sur l’apprentissage de l’ingénierie IA par les compétences.

Comment atteindre les profils passifs qui ne déposent jamais de CV ?

Capter le talent caché est l’objectif central. Cela suppose d’abaisser la barrière d’entrée et de renverser le sens de la relation.

Renverser la logique de candidature

Le profil passif ne postule pas, par définition. Lui demander de rédiger un CV revient à le perdre. La solution est un profil de compétences léger à créer, sans document à rédiger, qui se nourrit de signaux existants comme un dépôt de code ou un portfolio.

La promesse d’anonymat est décisive. Beaucoup de profils ne signalent pas leur ouverture, de peur que leur employeur l’apprenne. Une plateforme qui protège cette confidentialité débloque un vivier que les badges publics de disponibilité n’atteignent pas.

Attirer par le problème, pas par l’annonce

Les meilleurs profils jugent l’intérêt d’un poste avant de songer à candidater. Proposer un problème concret à résoudre attire plus qu’une fiche de poste standard. Le sourcing direct, le réseau et les communautés techniques restent décisifs pour ces talents.

Cette réalité est encore plus marquée pour les spécialistes IA et les forward deployed engineers, comme le montre notre dossier sur les sites d’emploi pour profils IA et FDE. Leur rareté fixe d’ailleurs leur valeur, détaillée dans notre étude sur les salaires des spécialistes IA en France.

Quelle architecture technique pour bâtir la plateforme ?

Construire un tel site n’exige pas de repartir de zéro. L’ossature combine quatre couches, assemblées à partir d’outils existants. Voici la démarche.

Cinq étapes de construction

Première étape : choisir un référentiel. Adoptez un référentiel ouvert comme ESCO ou Lightcast pour un vocabulaire normalisé plutôt qu’une liste maison.

Deuxième étape : construire des profils anonymisés. Concevez des profils centrés sur les compétences, sans âge, sexe, nom ni diplôme au stade du matching.

Troisième étape : extraire et inférer. Utilisez le traitement du langage et l’inférence à partir de signaux concrets pour cartographier les compétences réelles.

Quatrième étape : monter un moteur sémantique. Représentez compétences et postes en vecteurs et reliez-les par un graphe de compétences pour un matching par le sens.

Cinquième étape : garder l’humain et auditer. Conservez une supervision humaine, testez les écarts entre groupes et documentez vos critères.

Données propres, pas outil magique

Le vrai facteur de réussite n’est pas l’outil, mais la qualité des données. Les plateformes les plus avancées comme Eightfold, Beamery ou Gloat ciblent les grandes entreprises et exigent des données structurées. Pour une PME, une plateforme plus légère, bâtie sur un référentiel ouvert et des briques open source, reste accessible.

La leçon des grands acteurs vaut pour les petits projets : un outil ne fabrique pas la donnée qui lui manque. Acheter une plateforme avancée sans profils ni historique propres revient à payer cher une version coûteuse d’un angle mort. Mieux vaut commencer par structurer ses données de compétences, fût-ce sur un périmètre réduit, puis monter en puissance une fois la mécanique de matching éprouvée sur un cas réel.

Pour la partie site et interface, une base de site web sur mesure peut servir de socle. Commencez maintenant : choisissez un référentiel, anonymisez vos profils, et testez un matching sémantique sur un poste réel avant de bâtir le graphe complet.

L’enjeu dépasse l’outillage : c’est une autre façon de penser le recrutement, où la compétence prouvée prime sur le parcours déclaré. Les entreprises qui structurent tôt leurs données de compétences prendront une longueur d’avance pour capter, demain, le talent que personne d’autre ne voit.

Questions fréquentes sur le site emploi IA par compétences

Qu’est-ce qu’un site emploi IA par compétences ?

Un site emploi IA par compétences est une plateforme qui met en relation candidats et postes à partir des seules compétences démontrées, sans tenir compte de l’âge, du sexe, du diplôme ni du nom. L’IA cartographie les compétences à partir d’un référentiel et de signaux concrets, puis les rapproche des besoins d’un poste par recherche sémantique. L’objectif est de réduire les biais et d’atteindre des profils que le filtrage par CV classique laisse de côté.

Pourquoi viser les profils passifs plutôt que les candidats actifs ?

Parce qu’ils représentent la majorité du talent. Les données LinkedIn estiment que 70 pourcents de la main-d’oeuvre mondiale est composée de candidats passifs, qui ne cherchent pas activement mais accepteraient la bonne opportunité. Les sites d’emploi classiques ne touchent que les 27 à 30 pourcents de candidats actifs. Les meilleurs profils, souvent chassés, ne déposent jamais de CV. Une plateforme par compétences vise précisément ce vivier inaccessible aux annonces traditionnelles.

Comment cartographier les compétences d’un candidat avec l’IA ?

La cartographie combine plusieurs techniques. Un référentiel de compétences, comme ESCO ou Lightcast, fournit un vocabulaire commun. L’extraction par traitement du langage repère les compétences dans un texte. Les embeddings transforment compétences et profils en vecteurs comparables. Un graphe de compétences relie les savoir-faire proches et infère ceux non déclarés. Enfin, l’inférence à partir de signaux concrets, comme des projets ou du code, complète le profil au-delà de ce que le candidat déclare lui-même.

Qu’est-ce qu’un référentiel de compétences comme ESCO ou Lightcast ?

C’est une bibliothèque normalisée qui donne un vocabulaire partagé des compétences. ESCO, porté par la Commission européenne, est multilingue et relie compétences, qualifications et métiers. Lightcast Open Skills recense plus de 32 000 compétences extraites de centaines de millions d’offres et de profils, mises à jour toutes les deux semaines. O*NET, aux États-Unis, suit une approche descendante par enquête. Ce socle évite de réinventer une liste maison et fiabilise le rapprochement entre profils et postes.

Peut-on légalement recruter sans âge, sexe ni diplôme ?

Oui, et c’est même un facteur de non-discrimination. Le droit du travail interdit déjà la discrimination à l’embauche sur des critères protégés. Masquer ces données au stade du matching réduit le risque. Mais une plateforme de tri par IA reste un système à haut risque au sens de l’AI Act : elle exige supervision humaine, transparence et maîtrise des biais. Aucune décision de rejet ne peut reposer sur l’IA seule, selon l’article 22 du RGPD.

Comment l’IA infère-t-elle des compétences non déclarées ?

L’IA s’appuie sur des signaux concrets plutôt que sur des déclarations. Des contributions open source, un portfolio, des projets décrits, des certifications ou une activité technique révèlent des compétences réelles. Un graphe de compétences déduit ensuite les savoir-faire adjacents : maîtriser un outil implique souvent d’en connaître d’autres liés. Les plateformes de talent intelligence comme Eightfold revendiquent ainsi des graphes de plusieurs centaines de milliers de compétences, capables de faire remonter des profils qu’une recherche par mots-clés manquerait.

Quels outils existent déjà pour la talent intelligence ?

Le marché compte des plateformes spécialisées. Eightfold AI repose sur un graphe de compétences massif et infère le potentiel des candidats. Beamery combine CRM de recrutement et intelligence des compétences. Gloat cible la mobilité interne via un marché des talents. SeekOut excelle dans la découverte de profils passifs et de niche. Ces solutions visent surtout les grandes entreprises et supposent des données propres. Pour une PME, une plateforme plus légère bâtie sur un référentiel ouvert reste accessible.

Quelle architecture technique pour bâtir une telle plateforme ?

L’ossature combine quatre couches. Une base de profils anonymisés, centrée sur les compétences. Un référentiel de compétences normalisé pour parler un langage commun. Un moteur d’embeddings et de recherche vectorielle pour le matching sémantique, complété par un graphe de compétences. Enfin, une interface de mise en relation respectueuse de l’anonymat. Le tout s’appuie sur des outils existants, parfois open source, sans repartir de zéro. La qualité des données reste le vrai facteur de réussite.

Comment attirer des profils passifs qui ne postulent pas ?

En renversant la logique : ce n’est pas au candidat de postuler, mais à la plateforme de le révéler. Un profil de compétences léger à créer, sans CV à rédiger, abaisse la barrière. La promesse d’anonymat rassure ceux qui ne veulent pas signaler à leur employeur qu’ils sont ouverts. Enfin, proposer des problèmes concrets à résoudre attire les meilleurs, qui jugent l’intérêt d’un poste avant de songer à candidater. La preuve remplace la candidature.

Le matching par compétences supprime-t-il vraiment les biais ?

Il les réduit, il ne les supprime pas. Masquer l’âge, le sexe et le nom limite la discrimination directe. Mais un modèle entraîné sur un historique biaisé peut reproduire des écarts de façon indirecte. La vigilance reste nécessaire : tester les taux de recommandation entre groupes, documenter les critères et garder une décision humaine. Une plateforme par compétences est un progrès pour l’équité, à condition d’auditer régulièrement ses résultats plutôt que de la croire neutre par nature.

Diag IA gratuit
Nous contacter
Parler à Eric